[发明专利]一种基于差分隐私的批量线性查询方法有效
| 申请号： | 201810042656.8 | 申请日： | 2018-01-17 |
| 公开（公告）号： | CN108280366B | 公开（公告）日： | 2021-10-01 |
| 发明（设计）人： | 王迪;袁健;申泽宇 | 申请（专利权）人： | 上海理工大学 |
| 主分类号： | G06F21/62 | 分类号： | G06F21/62 |
| 代理公司： | 上海德昭知识产权代理有限公司 31204 | 代理人： | 郁旦蓉 |
| 地址： | 200093 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于差分隐私的批量线性查询方法，包括以下步骤：步骤1：查询原始数据集R，得到数据查询结果集M；步骤2：将R的属性频度按降序排列，筛选频度不大于最小支持度的属性并将该属性以及与该属性对应的数据丢弃；将大于最小支持度的属性进行数据无关性处理，得到属性频度大于最小支持度的无关数据集D；步骤3：利用M在建立初始负载矩阵的基础上建立数据无关负载矩阵W，采用并行梯度下降矩阵分解技术并行分解W，得到W的完整的分解结果的第一矩阵B以及分解结果的第二矩阵L；步骤4：基于差分隐私进行自适应加噪，对L以及D添加拉普拉斯噪音，并对丢弃的属性以及数据进行还原，获得加噪查询结果数据集S；步骤5：将S返回给用户。 | ||
| 搜索关键词： | 一种 基于 隐私 批量 线性 查询 方法 | ||
【主权项】：
1.一种基于差分隐私的批量线性查询方法，其特征在于，包括以下步骤：步骤1：查询原始数据集R，得到数据查询结果集M；步骤2：将原始数据集R的属性频度按降序排列，设定最小支持度筛选频度不大于最小支持度的属性并将该属性以及与该属性对应的数据丢弃；将大于最小支持度的属性采用FP‑tree获取数据的关联属性后进行数据无关性处理，得到属性频度大于所述最小支持度的无关数据集D；步骤3：利用数据查询结果集M，建立初始负载矩阵，利用步骤2中的属性相关性在所述初始负载矩阵的基础上建立数据无关负载矩阵W，采用并行梯度下降矩阵分解技术并行分解所述数据无关负载矩阵W，得到数据无关负载矩阵W的完整的分解结果的第一矩阵B以及分解结果的第二矩阵L；步骤4：基于差分隐私进行自适应加噪，对所述分解结果的第二矩阵L以及所述属性频度大于所述最小支持度的无关数据集D添加拉普拉斯噪音，并对步骤2中丢弃的频度不大于最小支持度的属性以及该属性对应的数据进行还原，获得加噪查询结果数据集S；步骤5：将加噪查询结果数据集S返回给用户。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海理工大学，未经上海理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810042656.8/，转载请声明来源钻瓜专利网。
