[发明专利]一种基于条件概率分布的隐私保护数据发布方法

摘要

本发明属于信息安全隐私保护技术领域，是一种基于条件概率分布的隐私保护数据发布方法。根据条件概率分布对攻击者的先验知识进行建模，让攻击者在不同事务中具有不同的先验知识；然后利用构建的模型和准标识符属性值，对每条记录的敏感属性值进行预测，并用预测值替换原始值后进行发布。发布的敏感属性预测值与原始值没有直接相关性，有效保护了用户数据隐私；预测的敏感属性值分布与真实的分布近似，有效控制了分布误差，确保其发布数据集比泛化及随机应答方法发布的数据集可用性更好。本发明能为医疗、金融、生信、交通等各个社会领域的数据发布提供隐私保护机制，在保护用户数据隐私的同时，为数据在科学研究和社会服务中的应用提供支撑。

主权项

1.一种基于条件概率分布的隐私保护数据发布方法，其特征在于，根据条件概率分布对攻击者的先验知识进行建模，让攻击者在不同事务中具有不同的先验知识；然后利用构建的模型和准标识符属性(QIA)值，对每条记录的敏感属性(SA)值进行预测，并替换原有敏感属性值后得到发布数据集；用T表示一个拥有n条数据记录的输入数据集，T拥有dQI个准标识符属性和d_S个敏感值属性并记A＝A^QI∪A^S，d＝d_QI+d_S；用t[A′]表示属性集在一个记录t上的属性值；用T′表示与数据集T相对应的一个发布数据集，T′和T具有相同的记录类型或关系模式，但和T相比，T′的敏感属性值是按照一定规则扰动后得到的；以数据记录即元组为单位，使用敏感属性在准标识符属性值上的条件概率分布p(AS|AQI)，通过机器学习的方法对数据记录t(t∈T)的基准分布即先验知识进行建模；然后利用该模型,对已知准标识符属性值的记录t，预测其敏感属性值；在计算数据记录t的基准分布时，从对应的训练数据中删除记录t，然后训练得到模型M(t),再使用模型M(t)预测记录t的敏感属性值，这样记录t的基准分布M(t)(AS|t[AQI])与t的真实敏感属性值是条件独立的，没有相关性。