[发明专利]基于抑制策略的低数据损失率的网贷数据隐私保护方法

说明书

本发明公开的属于网络信息安全技术领域，具体为基于抑制策略的低数据损失率的网贷数据隐私保护方法，包括以下操作步骤：S1：通过熵算法计算每个需要被保护属性的信息量，S2：根据用户的需求和个性化需要对自己的隐私属性保护等级进行深度学习和预测，从而提高隐私保护模型的动态性，S3：然后根据不同的场景进行选择，区分敏感属性和不敏感属性，进行分类保护，S4：引入5个参数，敏感性、特异性、数据精度、错误正例和错误负例，本发明达到证明根据隐私的敏感属性的强弱多少，方便网贷用户隐私进行及时保护的效果，且达到对隐私的敏感属性进行分类和分级保护，增加隐私保护的个性化水平，防止隐私泄露的效果。

技术领域

本发明涉及网络信息安全技术领域，具体为基于抑制策略的低数据损失率的网贷数据隐私保护方法。

背景技术

近年来，P2P借贷以其灵活、便捷、无抵押的小额借贷模式吸引了国内众多的借贷用户，然国内市场的高度需求促使P2P借贷市场规模不断增长，但是P2P借贷平台会要求借款人尽可能多的提供个人信用相关的信息，其信息越丰富越公开，出借人对于借款人还款能力的衡量就越准确，平台交易活动也越稳定，而随着信息采集在广度与深度方向的延伸，借款人信息甚至于个人隐私公开范围越来越广，一旦发生信息泄露事件，后果将不堪设想，为了不让他人非法获得他人的隐私信息，我们就需要对其个人信息进行保护，但是通过数据加密的方法又会降低数据挖掘效率。

现有的P2P(peer-to-peer)网络的保护是基于k－匿名模型的隐私保护技术，从现有的研究来看k-anonmity及其扩展模型的基本思想是将数据集中与攻击者背景知识相关的属性定义为准标识符，但是这种防御机制其安全性与攻击者所掌握的背景知识相关，因此无法提供有效且严格的方法来证明其隐私保护水平，为此，我们提出基于抑制策略的低数据损失率的网贷数据隐私保护方法。

发明内容

鉴于上述和/或现有基于抑制策略的低数据损失率的网贷数据隐私保护方法中存在的问题，提出了本发明。

因此，本发明的目的是提供基于抑制策略的低数据损失率的网贷数据隐私保护方法，通过熵算法计算每个需要被保护属性的信息量，再根据用户的需求和个性化需要对自己的隐私属性保护等级进行深度学习和预测，然后根据不同的场景进行选择，进行分类保护，能够解决上述提出现有的问题。

为解决上述技术问题，根据本发明的一个方面，本发明提供了如下技术方案：

基于抑制策略的低数据损失率的网贷数据隐私保护方法，其包括：以下操作步骤：

S1：通过熵算法计算每个需要被保护属性的信息量；

S2：根据用户的需求和个性化需要对自己的隐私属性保护等级进行深度学习和预测，从而提高隐私保护模型的动态性；

S3：然后根据不同的场景进行选择，区分敏感属性和不敏感属性，进行分类保护；

S4：引入5个参数，敏感性、特异性、数据精度、错误正例和错误负例；

S5：计算数据的敏感性＝t_pos/pos；

S6：计算数据特异性＝t_neg/neg；

S7：计算数据的错误负例＝1-t_pos/pos；

S8：技术数据的错误正例＝1-t_neg/neg；

S9：计算数据精度＝t_pos(t_pos+f_pos)；

S10：确定最终准确率。

作为本发明所述的基于抑制策略的低数据损失率的网贷数据隐私保护方法的一种优选方案，其中：所述S1中通过熵算法其得到有效信息量最大，其敏感程度最高。