马苏杭,龙士工,刘 海,彭长根,李思雨

1(贵州大学 计算机科学与技术学院,贵阳 550025)

2(贵州大学 贵州省公共大数重点实验室,贵阳 550025)

1 引 言

随着移动互联网的发展,数据规模也以前所未有的速度不断增长,数据属性之间的相互关系变得复杂多样,高维数据已是一种常见的数据发布类型.随着数据挖掘和分析技术的发展,高维数据的发布具有更高的信息价值,但高维数据中通常包含大量隐私信息,如果使用不当将造成隐私泄露[1,2].为了保证高维数据发布过程中不会泄露隐私信息,在发布之前使用差分隐私[3,4]保护技术进行处理.如果直接对高维数据进行差分隐私处理,存在添加噪音过多,数据可用性差等问题.其中差分隐私预算的分配方式直接影响数据的可用性与安全性关系,而不同数据机构对于发布数据集安全性和可用性之间的关系需求各不相同,数据保护级别更高的数据机构更注重数据的安全性;而主要提供数据进行应用的数据机构则更倾向于数据的可用性.

目前已有的面向高维数据发布的差分隐私算法有概率图模型[5–7]、阈值过滤技术[8]以及投影技术[9],这些技术通过维度转换达到降维效果,减少噪音添加对数据可用性的影响.降维效果的好坏直接影响数据的可用性,而阈值过滤技术和投影技术忽略了高维属性之间普遍存在依赖关系,采用直接截断的降维方法,大大降低了数据的可用性.文献[5–7]利用指数机制[3,10]挑……