异方差加噪下差分隐私流数据发布一致性优化算法

• 作者: 吴英杰 孙岚 康健 张立群
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: 差分隐私 流数据发布 滑动窗口 异方差加噪 一致性约束
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 203-210
• 页数: 8页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.16511/j.cnki.qhdxxb.2018.26.045

摘要

现有基于树结构的差分隐私流数据统计发布方法未能充分利用统计查询可能存在的特定分布规律而进一步提升发布流数据的精度,为此,该文提出滑动窗口下基于异方差加噪的差分隐私流数据发布算法.首先动态构建滑动窗口内流数据对应的差分隐私区间树;其次根据统计查询分布规律计算树节点的覆盖概率,据此对树节点的隐私预算及树结构参数进行调整,以实现异方差加噪;最后,针对异方差加噪后区间树节点值可能不满足一致性约束的问题,设计实时的一致性调节策略.实验结果表明:与同类算法相比,该算法具有较高的查询精度及算法效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴英杰		66	453	11.0	19.0
2	张立群		4	13	2.0	3.0
3	康健		13	98	5.0	9.0
4	孙岚		19	101	6.0	9.0