基于平滑敏感度的贝叶斯网络隐私数据发布方法

发布时间：2023-03-12 21:34

　　数据发布中的隐私保护问题是信息安全领域的一个重要研究方向,如何防止敏感信息泄露已经成为现在研究的热点。高维数据由于其数据量庞大、关联度高的问题,导致经过差分隐私保护的数据效用性较差。出现这种问题的其中一个原因,是因为大多数差分隐私保护算法使用的都是全局敏感度,并没有注意到实际数据集中不同数据添加的噪声应该是不同的。不仅如此,对高维数据进行差分隐私保护,一般需要耗费很多时间。因此,如何在保护数据隐私的情况下又能保证数据的效用性并且能够提高算法的运行效率,成为基于差分隐私的高维数据发布的主要研究问题。针对以上两个问题,本文提出如下两种算法:(1)提出了一种基于贝叶斯网络的数据发布算法SSPrivBayes(Smooth Sensitivity Privacy Bayes),该算法是对PrivBayes算法的改进算法。为了提升发布数据的效用性,SSPrivBayes算法通过引入平滑敏感度的概念,在实现差分隐私的同时减少了噪声的加入,从而提高了发布数据的效用性。实验在四个真实数据集上进行,验证了本文提出的算法能够提高数据发布的效用性。(2)提出了一种可以缩减贝叶斯网络搜索空间的算法PBCPC(...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 研究内容
        1.2.1 基于平滑敏感度的隐私数据发布算法
        1.2.2 缩减网络空间的贝叶斯网络改进算法
    1.3 论文结构安排
第二章 研究现状及相关理论
    2.1 国内外研究现状
        2.1.1 差分隐私下高维数据发布的国内外研究现状
        2.1.2 基于混合搜索算法的结构学习方法
    2.2 差分隐私
        2.2.1 差分隐私
        2.2.2 敏感度
        2.2.3 差分隐私的组合性质
        2.2.4 差分隐私的实现机制
    2.3 贝叶斯网络
        2.3.1 贝叶斯网络相关概念
        2.3.2 互信息
    2.4 本章小结
第三章 基于平滑敏感度的隐私数据发布算法
    3.1 平滑敏感度公式
        3.1.1 贝叶斯网络的构建
        3.1.2 问题描述
        3.1.3 公式分析
    3.2 高维数据发布算法
        3.2.1 SSPrivBayes算法的伪代码
        3.2.2 隐私保证与时间复杂度分析
    3.3 实验
        3.3.1 实验数据
        3.3.2 实验设备
        3.3.3 实验评价标准
        3.3.4 实验结果
    3.4 本章小结
第四章 缩减网络空间的贝叶斯网络改进算法
    4.1 算法描述
        4.1.1 基于混合搜索算法的贝叶斯结构学习方法
        4.1.2 缩减网络搜索空间
        4.1.3 PBCPC算法
        4.1.4 时间复杂度分析
    4.2 实验
        4.2.1 不同数据量下的时间性能分析
        4.2.2 不同属性数量的时间性能分析
    4.3 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读硕士学位期间学术成果



本文编号：3761984