差分隐私的查询一致性约束研究

计算机工程与科学

• 计算机网络与信息安全 • 上一篇下一篇

差分隐私的查询一致性约束研究

贾俊杰，陈慧，马慧芳，牟玉祥

（西北师范大学计算机科学与工程学院,甘肃兰州 730070）

收稿日期:2019-07-13 修回日期:2019-08-30 出版日期:2020-01-25 发布日期:2020-01-25
基金资助:
兰州市科技发展计划项目(20141256)；甘肃省档案科技项目（2016-09）；甘肃省高等学校创新能力提升项目（2019A-006）

Query consistency constraints of differential privacy

JIA Jun-jie，CHEN Hui，MA Hui-fang，MU Yu-xiang

（School of Computer Science and Engineering,Northwest Normal University,Lanzhou 730070,China）

Received:2019-07-13 Revised:2019-08-30 Online:2020-01-25 Published:2020-01-25

摘要/Abstract

摘要：

针对差分隐私直方图发布中区间查询的不一致问题，研究已有需迭代调整的局部最优线性无偏估计算法LBLUE，提出一种不需迭代且满足一致性约束查询的CA算法。通过对1棵添加Laplace噪声的满k-叉区间树进行一致性调整：先利用TDICE算法进行自顶向下的不一致估计，再利用BUCE算法进行自底向上的一致性估计，得到满足一致性约束查询的差分隐私满k-叉区间树，遍历后发布满足一致性约束查询的直方图数据。经过证明和实验分析，一致性调整后的查询区间满足一致性约束查询，且精确度优于Boost-2算法和LBLUE算法的，同时算法的时间效率高于LBLUE算法的。

关键词: 差分隐私, Laplace机制, 敏感度, 一致性约束查询

Abstract:

Aiming at the inconsistency phenomenon of range query in differential privacy histogram publishing, we study the local optimal linear unbiased estimation algorithm LBLUE that needs iterative adjustment and propose a CA algorithm that does not need iteration and satisfies the consistency constraint query. Consistency adjustment is performed on a full k-ary range tree with Laplace noise: the TDICE algorithm is first used for top-down inconsistency estimation, and then the BUCE algorithm is used for bottom-up consistency estimation, so as to obtain a full k-ary range tree with differential privacy, which meets consistency constraint query. The histogram data satisfying the consistency constraint query is published after traversal. Proof and experimental analysis show that the query range after consistency adjustment satisfies the consistency constraint query. It has higher accuracy than Boost-2 algorithm and LBLUE algorithm, and higher time efficiency than LBLUE algorithm.

Key words: differential privacy, Laplace mechanism, sensitivity, consistency constraint query

贾俊杰，陈慧，马慧芳，牟玉祥. 差分隐私的查询一致性约束研究[J]. 计算机工程与科学.

JIA Jun-jie，CHEN Hui，MA Hui-fang，MU Yu-xiang. Query consistency constraints of differential privacy[J]. Computer Engineering & Science.

[1]	董燕灵, 张淑芬, 徐精诚, 王豪石, . 面向Stacking算法的差分隐私保护研究[J]. 计算机工程与科学, 2024, 46(02): 244-252.
[2]	王辉, 陈宇, 申自浩, 刘沛骞. 结合对比监督和排序树的轨迹数据差分隐私保护方案[J]. 计算机工程与科学, 2023, 45(10): 1797-1805.
[3]	李帅, 常锦才, 李吕牧之, 蔡昆杰, . 基于差分隐私保护的Stacking集成聚类算法研究[J]. 计算机工程与科学, 2022, 44(08): 1402-1408.
[4]	袁泉, 晏飞扬, 文志云, 张振康, . 基于谱聚类的社交网络差分隐私保护算法研究[J]. 计算机工程与科学, 2022, 44(02): 251-256.
[5]	胡雨谷, 葛丽娜, . 一种改进的差分隐私参数设置及数据优化算法[J]. 计算机工程与科学, 2021, 43(10): 1758-1765.
[6]	付玉香1，秦永彬1,2，申国伟1,2. 基于迁移学习的多源数据隐私保护方法研究[J]. 计算机工程与科学, 2019, 41(04): 641-648.
[7]	高志强，崔翛龙，周沙，袁琛. 本地差分隐私保护及其应用[J]. 计算机工程与科学, 2018, 40(06): 1029-1036.
[8]	吴伟民，黄焕坤. 基于差分隐私保护的DP-DBScan聚类算法研究[J]. J4, 2015, 37(04): 830-834.
[9]	聂鹏1,2，耿技1，秦志光1. 基于构件的Web系统前馈神经网络可靠性模型[J]. J4, 2012, 34(12): 66-73.
[10]	王丽萍, 陈友, 邱飞岳. 基于感知学习的成人弱视在线训练系统的设计[J]. J4, 2010, 32(3): 151-154.

差分隐私的查询一致性约束研究

Query consistency constraints of differential privacy

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 10

编辑推荐

Metrics

本文评价