苏炜航，程 祥

1(中国人民大学 附属中学，北京 100080) 2(北京邮电大学 网络与交换技术国家重点实验室，北京 100876) E-mail：chengxiang@bupt.edu.cn

1 引 言

随着大数据时代的到来，不同部门、不同地区间的信息共享需求逐步增加.数据发布是打破信息孤岛，实现信息共享的一种重要手段.由于高维数据(例如，医疗健康数据、金融数据等)中蕴含着丰富的信息，分析或挖掘高维数据能够提供有效的决策支持.现如今，高维数据已经成为数据发布的重要数据类型.然而，如果所发布的高维数据涉及个人敏感信息，直接发布这些数据会造成严重的个人隐私泄露.

近年来提出的差分隐私[1](Differential Privacy)技术为解决数据分析、数据发布带来的个人隐私泄露问题提供了一种可行的方案[2-6].与传统的基于匿名的隐私保护模型(例如，k-匿名[7]和l-多样性[8])不同，差分隐私提供了一种严格、可量化的隐私保护手段，并且所提供的隐私保护强度并不依赖于攻击者所掌握的背景知识.差分隐私通过在数据处理过程中添加随机噪音以达到隐私保护的目的，并确保在数据集中插入或删除某一条记录不会显著地影响输出结果.因此，即使攻击者获得了数据集中除一条记录之外的其他所有记录的信息，差分隐私仍可以保证攻击者不能通过所掌握的其他记录信息推断出该条记录中蕴含的敏感信息，从而有效地保护了数据集中包含的个人隐私信息.正是因为上述优点，差分隐私技术已经得到了学术界和工业……