[发明专利]一种提供隐私保护的数据采集和回归分析方法

摘要

本发明公开了一种提供隐私保护的数据采集和回归分析方法，采用差分隐私来保护数据提供者的隐私，并通过补偿机制来激励提供者提供真实的数据。首先，在回归模型的分析模块，本方法采用岭回归模型，将损失函数展开成多项式混沌的形式，并在每个多项式前面的系数上加入拉普拉斯噪声，从而保证训练得到的回归模型既保护了数据提供者的隐私，又保证了模型的准确性；然后，在报酬支付模块，计算出除去数据提供者提供的数据得到的回归模型，与整体的回归模型进行比较，将以上两者的误差作为每个数据提供者报酬的量度，换言之，误差越小，也就是数据越准确，那么相应的报酬越多。简言之，通过隐私保护和适当的报酬，本方法能激励更真实的汇报数据，训练得到更准确的模型。

主权项

1.一种提供隐私保护的数据采集和回归分析方法，其特征在于：包括如下步骤：步骤1：假设有n个数据提供者，从数据提供者i处获取d维属性参数向量x_i∈R^d和个人可操纵的响应变量y_i，R^d是d维属性参数向量的集合，用X＝[x_i]_i∈[n]∈R^n×d表示属性参数矩阵，R^n×d表示d维属性参数向量矩阵集合，用y＝[y_i]_i∈[n]∈Rⁿ表示响应变量向量，Rⁿ表示响应变量向量集合；设训练出的回归模型为y_i＝θ^Tx_ｉ，在损失函数L(θ；X，y)中加入拉普拉斯噪声，并由求出最佳的预测函数系数θ^*，最终得到预测函数y_i＝θ^*Ｔx_ｉ。