一种面向直方图发布的均衡差分隐私保护方法

摘要

作为一种常用的数据发布方法,直方图数据发布因其直观便捷的特点得到了广泛关注.直方图数据发布在带来方便的同时也面临着隐私泄露的风险.当前基于差分隐私的保护方法虽然提高了一定发布安全性,但仍然存在以下问题:(1)现有的差分隐私保护方法往往忽略直方图发布数据之间的关联特性;(2)同时,现有的方法缺乏有效评估直方图间接隐私泄露风险的方法;(3)现有的方法难以实现全面均衡的直方图隐私保护.本文针对上述问题,通过引入关联隐私泄露评估量化机制,设计了一种面向直方图数据发布的均衡差分隐私保护方法.首先,结合作用域的马尔科夫模型定义了直方图关联隐私;然后,基于隐私泄露损失因素,提出一种多指标决策的隐私泄露损失评估方法;最后,借鉴Nash博弈与Stackberg博弈思想,设计一种均衡差分隐私保护直方图发布方法.通过在两个不同数据集上的实验,验证了本文所提均衡隐私保护方法的有效性与鲁棒性,并证明了本文所提出的均衡差分隐私保护方法均衡地保护了直接与间接隐私泄露,且优于AHP、GS直方图隐私保护发布方法.