基于二分关联图的大数据隐私保护方法

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.

关键词：二分关联图、大数据、关联图分层、层级群组差分隐私

所属期刊栏目：32

分类号：TP393(计算技术、计算机技术)

资助基金：贵州省教育厅创新群体重大研究项目黔教合KY字[2016]051

在线出版日期：2020-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：673-680