[发明专利]一种基于差分隐私保护的电力交易大数据发布方法

摘要

本发明公开了一种基于差分隐私保护的电力交易大数据发布方法，包括：利用MICFS对电力交易的原始数据集的相关性进行特征选择，并选取相关性低的数据记录生成待定数据集B；利用聚类算法对B进行K‑区块划分，得到属性相互独立的多个子数据块；计算子数据块中删除某一条记录后，查询函数f询问原始数据集的敏感度GSD以及询问B的敏感度GSB；根据差分隐私并行组合性质，进行Laplace噪声的添加，得满足差分隐私的训练样本查询集将满足GSB≤GSD的B的查询集与为机器学习训练样本集；训练Lasso回归算法生成预测模型，并将原始数据集输入该模型，输出D的查询集。本发明数据发布准确性、安全性；减少计算开销和隐私预算。

主权项

1.一种基于差分隐私保护的电力交易大数据发布方法，其特征在于，包括步骤如下：步骤S10、利用最大信息系数的特征选择方法MICFS对电力交易的原始数据集中数据记录之间的相关性进行特征选择，统计数据集的相关性，并从原始大数据集中选取相关性低的数据记录生成待定数据集B；步骤S20、利用聚类算法对待定数据集B进行K‑区块划分，得到具有相互独立属性的k个子数据块；计算每个子数据块Di(i＝1，2，...，k)中删除某一条记录j后，查询函数f询问原始数据集D的敏感度GSD以及询问待定数据集B的敏感度GSB；步骤S30、根据差分隐私并行组合性质，利用查询函数f询问待定数据集B的敏感度，进行Laplace噪声的添加，获得满足差分隐私的训练样本查询集ε为总的隐私预算；步骤S40、将满足GS_B≤GS_D的待定数据集B的查询集f(B)与待定数据集B满足差分隐私的训练样本查询集作为机器学习的训练样本集T＝＜f(B)，并利用训练样本集T训练Lasso回归算法模型，生成预测模型M；步骤S50、将原始数据集输入到预测模型M中，输出满足差分隐私原始数据集D的查询集对该查询集进行最终数据发布。