王宝楠++方贤进

摘要：随着数据分析和发布等应用需求的出现和发展，如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战。文中对差分隐私保护技术的基本原理和特征进行了阐述，重点介绍差分隐私下拉普拉斯机制的线性回归分析技术，它既保护了用户的隐私信息，又不影响数据的可用性，达到了研究目的。在对已有技术深入对比分析的基础上，指出了差分隐私保护技术的未来发展方向。

关键词：差分隐私；隐私保护，回归分析，线性回归

中图分类号：TP309 文献标识码：A 文章编号：1009-3044（2016）06-0026-04

Based on Differential Privacy of Linear Regression Analysis

WANG Bao-Nan，FANG Xian-jing

（Department of computer，Anhui University of Science and Technology ，Huainan 232001 ，China）

Abstract： With the emergence and development of data analysis and publishing applications， and how to protect the privacy of data and prevent sensitive information leaks has become a major challenge currently facing. In this paper the basic principles and characteristics of differential privacy protection technologies are described， linear regression analysis focuses on privacy under Laplace differential mechanism， both to protect the user's privacy， without affecting the availability of data， to achieve the purpose .In contrast to the prior art in-depth analysis， based on the difference it pointed out the future direction of development of privacy-enhancing technologies.

Key words： differential privacy； privacy protection； regression analysis； linear Regression

1 引言

信息化社会的发展进步使得部分机构可以获得大量个人和组织的数据信息进行数据挖掘与分析研究，从而带来商业价值和科研价值。例如各大商场的顾客购物数据和证券公司个人交易数据的分析与统计等。但是，这些数据涉及的大量个人隐私信息的数据发布和分析都面临着隐私泄露问题。因此， 隐私保护问题已成为重要的研究课题。隐私保护技术可以解决个人和组织的数据发布和数据分析带来的隐私安全问题。如何发布数据而又不泄露隐私信息是隐私保护技术的主要目的。

当前，差分隐私成为一种新的隐私保护技术，差分隐私保护是通过添加特定的噪声使得数据失真来达到隐私保护的目的。与传统的隐私保护技术相似，差分隐私保护技术的实施主要考虑两个因素：（1）怎样保证算法的设计符合差分隐私的定义，从而确保隐私数据不被泄露；……