基于差分隐私预算自适应的异构数据安全共享方法与流程
本发明涉及数据安全与隐私保护,尤其涉及基于差分隐私预算自适应的异构数据安全共享方法。
背景技术:
1、随着数据共享需求的增长,差分隐私技术被广泛用于在数据发布过程中提供隐私保护。现有方法通常采用全局统一的隐私预算分配策略,或仅依据数据敏感度进行静态分级加噪。
2、这类方法存在两个主要问题。其一,同一数据在不同使用场景下的价值差异未被纳入预算分配,统一加噪导致高价值场景下数据精度不足。其二,多个并发数据共享任务之间缺乏跨任务的弹性预算调配能力,当系统总预算不足时无法依据任务优先级进行合理分配,导致高优先级任务的数据可用性受损。
技术实现思路
1、本发明的目的在于:为了解决上述问题,而提出的基于差分隐私预算自适应的异构数据安全共享方法。
2、为了实现上述目的,本发明采用了如下技术方案:
3、基于差分隐私预算自适应的异构数据安全共享方法,包括:
4、对待共享的异构数据进行统一建模,将各数据项表示为包含数据实体、属性和敏感度等级的三元组结构;
5、接收数据共享请求,获取请求中携带的使用场景标识、请求者可信等级和数据时间戳,对所述使用场景标识进行编码转换获得场景权重值,对所述请求者可信等级进行归一化处理,基于处理后的场景权重值、归一化后的请求者可信等级值和数据时间衰减因子进行加权求和,计算各数据项的可用性价值评分;
6、结合所述可用性价值评分与所述敏感度等级,以最大化数据可用性和最小化隐私泄露风险为双目标,以系统总隐私预算上限为约束条件,通过多目标优化求解各数据项的基础隐私预算额度;
7、获取并发任务队列,当各任务所需隐私预算总量超过系统总隐私预算上限时,基于各任务的紧急程度、任务价值和噪声容忍度,通过在线凸优化对所述基础隐私预算额度进行跨任务弹性调配,获取各数据项的实际分配预算;
8、根据所述实际分配预算和数据项的数据类型,对各数据项执行差异化加噪处理,生成加噪后数据并响应共享请求。
9、优选地,所述可用性价值评分的计算方式为:
10、;
11、其中,为第个数据项的可用性价值评分,为第个数据项对应的使用场景权重值,为第个数据项对应的归一化后的请求者可信等级值,为第个数据项的数据时间衰减因子,、、为预设的权重系数且满足。
12、优选地,所述数据时间衰减因子的计算方式为:
13、;
14、其中,表示指数函数,为衰减速率常数,为第个数据项的产生时间与当前时间的差值,的值域为。
15、优选地,所述通过多目标优化求解各数据项的基础隐私预算额度,其目标函数为:
16、;
17、;
18、其中,为数据项总数,为第个数据项的基础隐私预算额度,为系统总隐私预算上限,为第个数据项的敏感度系数,为隐私风险惩罚权重。
19、优选地,所述敏感度等级划分为多个离散级别,每个级别对应一个敏感度系数;其中,个人身份信息对应最高敏感级别,行为轨迹数据对应中等敏感级别,聚合统计数据对应低敏感级别,越大表示对应数据项在所述目标函数中的隐私泄露风险惩罚项越大。
20、优选地,所述通过在线凸优化对基础隐私预算额度进行跨任务弹性调配,其目标函数为:
21、;
22、;
23、其中,为并发任务总数,为第个任务的归一化紧急程度,为第个任务的归一化任务价值,为第个任务的归一化噪声容忍度,为第个任务所包含的数据项编号集合,为集合中的数据项编号,为第个数据项的实际分配预算,为第个数据项的基础隐私预算额度。
24、优选地,所述当任务队列空闲时,将释放的预算按历史压缩比例回补至曾被压缩的任务对应的数据项中,使各数据项的基础隐私预算额度恢复至初始水平。
25、优选地,所述对各数据项执行差异化加噪处理包括:
26、对数值型数据,采用拉普拉斯加噪,噪声尺度为,其中为查询函数的全局敏感度;对类别型数据,采用指数加噪,以效用函数得分为依据按概率选择输出类别;对图像数据和高维数据,采用差分隐私随机梯度下降方式,在模型参数更新时裁剪梯度并添加噪声;对时序数据,采用滑动窗口方式逐窗口加噪,在窗口内满足差分隐私要求的同时保留相邻窗口间的时序相关性。
27、优选地,所述还包括策略更新步骤:
28、每次数据共享任务完成后,收集请求者侧的数据可用性评分和隐私审计模块检测的隐私泄露事件记录;将各数据项的数据特征、实际分配预算、加噪方式、数据可用性评分和隐私泄露事件记录作为样本存入反馈库;定期对反馈库中的样本进行统计分析;若某类数据在低预算分配下数据可用性评分高于预设阈值,则下调该类数据在后续任务中的基准预算;若某类数据在高预算分配下数据可用性评分仍低于预设阈值,则上调其基准预算或将其加噪方式切换为对该数据类型精度损失更小的替代方式。
29、综上所述,由于采用了上述技术方案,本发明的有益效果是:
30、1、本发明通过可用性价值评分综合考虑使用场景、请求者可信等级和时间衰减因子,各因素经归一化处理后参与加权计算,使同一数据在不同场景下获得差异化的预算额度,高价值场景下的数据精度得到保障。
31、2、本发明通过跨任务弹性调配通过在线凸优化在并发任务间动态分配预算,高优先级任务不因预算竞争而降低数据质量,被压缩任务在队列空闲时通过预算回补恢复至初始水平。
1.基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,包括:
2.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,可用性价值评分的计算方式为:
3.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,数据时间衰减因子的计算方式为:
4.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,通过多目标优化求解各数据项的基础隐私预算额度,其目标函数为:
5.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,敏感度等级划分为多个离散级别,每个级别对应一个敏感度系数;其中,个人身份信息对应最高敏感级别,行为轨迹数据对应中等敏感级别,聚合统计数据对应低敏感级别,越大表示对应数据项在所述目标函数中的隐私泄露风险惩罚项越大。
6.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,通过在线凸优化对基础隐私预算额度进行跨任务弹性调配,其目标函数为:
7.根据权利要求6所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,当任务队列空闲时,将释放的预算按历史压缩比例回补至曾被压缩的任务对应的数据项中,使各数据项的基础隐私预算额度恢复至初始水平。
8.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,对各数据项执行差异化加噪处理包括:
9.根据权利要求1所述的基于差分隐私预算自适应的异构数据安全共享方法,其特征在于,还包括策略更新步骤:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com