[发明专利]基于李雅普诺夫优化对无限数据流差分隐私保护的方法

摘要

基于李雅普诺夫优化对无限数据流差分隐私保护的方法，基于滑动窗口平均隐私预算消耗的隐私保护模型，在此模型基础上提出了基于动态优化过程的无限数据流差分隐私保护的算法，该算法将李雅普诺夫优化与动态窗口相结合，若数据变化较小，输出上一时刻的值进行替代操作，若数据变化较大，输出此刻真实值加入拉普拉斯噪声进行扰动操作，用李雅普诺夫优化对每个窗口内的总预算进行控制，并且选择误差较小的操作；能高效的利用隐私保护预算，减少数据误差，在实际数据场景中有着较好的应用效果。

主权项

1.基于李雅普诺夫优化对无限数据流差分隐私保护的方法，其特征在于，包括以下步骤：步骤1，保护无限数据流，每隔一段时间发布一次数据，时间越长，发布的数据越多，主要的保护对象是数值型数据，且全局敏感度Δf＝1，将无线数据流建模为S＝(c(1),...,c(i‑1))，c(i)为在时间节点i上，数据的真实值,经算法运算后系统输出为O＝(o(1),...,o(i‑1))，o(i)为在时间节点i上，数据的真实值；确定非空输出：从输出值[o(1),...,o(i‑1)]中找出i之前时刻最后一个分配隐私保护预算进行扰动保护的非空输出o_l；步骤2，计算差值：计算最后一个非空输出o_l与当前i时刻真实值c(i)的差值dis，使用绝对误差作为衡量差值的标准，即dis＝|o_l‑c(i)|；步骤3，对差值dis加入拉普拉斯噪声进行保护；步骤4，分配合适的隐私保护预算：结合滑动窗口平均隐私预算消耗的隐私保护模型和李雅普诺夫优化方法，进行合理的隐私预算分配，当数据变化较小时，不分配隐私保护预算，当数据变化较大时，分配隐私预算对当前值进行差分隐私保护；步骤5，判断数据的变化情况：根据数据变化趋势，选择替代或扰动操作，若数据变化较小，输出上一时刻的值进行替代操作，若数据变化较大，输出此刻真实值加入拉普拉斯噪声进行扰动操作。