郑　剑　邹鸿珍

(江西理工大学信息工程学院　江西 赣州 341000)



差异化隐私预算分配的线性回归分析算法

郑剑邹鸿珍

(江西理工大学信息工程学院江西 赣州 341000)

针对用差分隐私方法进行线性回归分析敏感性偏大的问题，提出一种差异化的隐私预算分配算法Diff-LR(DifferentialPrivacyLinearRegression)。该算法首先把目标函数分解成两个子函数，再分别计算两个子函数的敏感性、分配合理的隐私预算，并采用拉普拉斯机制给两个子函数系数添加噪音。然后对子函数进行组合，得到添加噪声后的目标函数，求取最优线性回归模型参数。最后利用差分隐私序列组合特性从理论上证明该算法满足ε-差分隐私。实验结果表明，Diff-LR算法产生的线性回归模型具有很高的预测准确性。

差分隐私线性回归分析敏感性隐私预算

0　引　言

图1　线性回归模型实例

线性回归分析是通过对给定数据集的属性值和预测值的统计整理和分析，找出已知属性和预测值的变化规律，用模型表示这种变化规律，并进行预测和分析。回归分析可应用于企业投资分析、医疗支出预测和机器学习等领域。图1为线性回归的一个实例，根据数据集中某台设备的温度和产量两个属性，找出这两者的线性关系模型，这样就能够利用设备的温度预测出该设备的产量。

在实际应用中，直接发布回归模型参数容易泄露预测函数和数据集的数据信息。为了防止这种隐私泄露，隐私保护就变得非常重要。常用的隐私保护方法有k-anonymity[1]、l-diversity[2]、t-closeness[3]等，但是这些方法大部分都是基于某种背景知识。……