基于差分隐私拉普拉斯机制的线性回归分析研究

发布时间：2017-10-02 17:36

  本文关键词：基于差分隐私拉普拉斯机制的线性回归分析研究

  更多相关文章： 隐私保护 线性回归 拉普拉斯机制 差分隐私

【摘要】：随着大数据时代的到来,数据分析、统计与发布等应用需求的出现,使得相关社会机构可以获得大量个人和组织的数据信息进行数据挖掘与分析研究,从而带来商业价值和科研价值。例如各大商场的顾客购物数据、各个楼盘顾客购房的信息、移动营业厅用户的业务办理信息、各大银行客户信息、证券公司个人交易数据的分析与统计等。但是,这些数据涉及到大量个人隐私信息,一旦对这些数据发布和分析,都面临着隐私泄露的问题,因此如何对隐私数据进行保护以防止敏感信息泄露已经成为当前面临的艰巨任务。差分隐私保护技术是当前数据发布中最主要的隐私保护方法。它通过向查询数据中添加噪音来干扰攻击者泄露原始数据的目的,从而达到隐私保护效果。差分隐私保护技术的应用使得数据发布的效率得到了很大的提高,但为了满足差分隐私要求需要注入过高的噪音,影响数据的正确性和可靠性,最终导致结果低质量。本文重点研究差分隐私拉普拉斯机制的线性回归分析方法,该方法对回归分析中的目标函数而不是结果采用差分隐私进行噪声干扰,在每个数据集上进行回归分析,用剩余属性来进行结果预测,最后比较误差率并分析实验结果。实验表明所采用的方法既保护了用户的隐私数据,又不影响线性回归分析的有效性。论文主要做了以下几个方面的研究工作：(1)研究了当前部分差分隐私模型拟合的应用及其不足之处。(2)分析了差分隐私保护模型的基础理论和工作原理。(3)利用差分隐私拉普拉斯机制构建线性回归模型,并对模型进行优化与评估。
【关键词】：隐私保护 线性回归 拉普拉斯机制 差分隐私
【学位授予单位】：安徽理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP309
【目录】：

• 摘要5-6
• Abstract6-14
• 1 绪论14-18
• 1.1 研究背景14-15
• 1.2 国内外研究现状及存在的问题15-16
• 1.3 研究内容和意义16-17
• 1.4 本文的主要工作及章节安排17-18
• 2 基于差分隐私的数据保护框架及其应用研究18-26
• 2.1 基于差分隐私的数据保护框架18-24
• 2.1.1 基于差分隐私的直方图发布方法21-22
• 2.1.2 查询处理方法的分类与评估22-24
• 2.2 差分隐私的应用24-26
• 2.2.1 差分隐私数据的发布24-25
• 2.2.2 差分隐私下的大数据分析25
• 2.2.3 差分隐私数据挖掘25-26
• 3 理论基础26-34
• 3.1 差分隐私26
• 3.2 差分隐私实现的主要技术26-27
• 3.3 噪音机制27-34
• 3.3.1 全局敏感度27-28
• 3.3.2 拉普拉斯机制28-31
• 3.3.3 指数机制31-34
• 4 回归分析34-41
• 4.1 线性回归分析34
• 4.2 差分隐私应用于线性回归34-37
• 4.3 算法的设计思想37-41
• 4.3.1 目标函数的扰动37-38
• 4.3.2 算法的步骤及实例38-41
• 5 实验分析41-50
• 5.1 实验环境41
• 5.2 Matlab语言41-42
• 5.2.1 Matlab语言的发展41
• 5.2.2 Matlab在各领域中的作用41-42
• 5.3 实验步骤42-43
• 5.4 结果分析43-50
• 5.4.1 实验运行结果43-47
• 5.4.2 函数机制与其它算法的比较47-50
• 6 结论50-51
• 参考文献51-56
• 致谢56-57
• 作者简介及读研期间主要科研成果57

【参考文献】

中国期刊全文数据库 前5条

1 张啸剑;孟小峰;;面向数据发布和分析的差分隐私保护[J];计算机学报;2014年04期

2 张啸剑;王淼;孟小峰;;差分隐私保护下一种精确挖掘top-k频繁模式方法[J];计算机研究与发展;2014年01期

3 熊平;朱天清;王晓峰;;差分隐私保护及其应用[J];计算机学报;2014年01期

4 王璐;孟小峰;;位置大数据隐私保护研究综述[J];软件学报;2014年04期

5 刘向宇;王斌;杨晓春;;社会网络数据发布隐私保护技术综述[J];软件学报;2014年03期

，

本文编号：960966