基于二分关联图的大数据隐私保护方法

• 作者: 何翼 田华
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 二分关联图 大数据 关联图分层 层级群组差分隐私
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 673-680
• 页数: 8页
• 分类号: TP393
• 字数: 5496字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2020.04.021

摘要

针对目前大数据缺乏群组隐私保护的问题,提出一种基于二分关联图的大数据群组隐私保护方法,在不同群组隐私层级的二分关联图中保护数据隐私.所提算法通过关联图分层(association graph layering,AGL)和层级群组差分隐私(hierarchical group differential privacy,HGDP),实现发布大数据的群组隐私保护.关联图分层将给定关联图的节点和边分组,通过划分二分关联图的节点最小化每个层级的敏感度,可以向不同权限的用户公开不同层级的子图;在层级群组差分隐私过程中,对不同层级选择灵敏度并计算方差,重复聚合噪声减少方差,通过高斯机制进行子图噪声注入,实现分层关联图的扰动,以保证每个层级的群组隐私.实验结果表明,所提方法可以用来保护群组数据的综合敏感信息,并且比其他方法具有更好的隐私保护效果和更高的数据可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田华	铜仁学院大数据学院	34	80	6.0	8.0
2	何翼	铜仁学院大数据学院	19	15	2.0	3.0