基于差分隱私的決策樹發(fā)布技術研究與應用.pdf

1、近年來數(shù)據(jù)共享開放的快速發(fā)展，引發(fā)了人們對自身隱私泄露的擔憂。身份認證、權限控制等傳統(tǒng)的數(shù)據(jù)庫安全措施，只能防止敏感信息被用戶直接獲取，間接推理獲得敏感屬性的行為很難得到預防。
　　差分隱私定義了一個極為嚴格的攻擊模式，獨立于背景知識，并且對隱私泄露風險給出了嚴謹、定量化的表示和證明，在隱私保護數(shù)據(jù)發(fā)布方面表現(xiàn)較優(yōu)。論文從分析數(shù)據(jù)發(fā)布存在的問題入手，通過自適應隱私預算分配和等差加噪，提高數(shù)據(jù)發(fā)布過程的隱私保護力度，通過設計合理的屬

2、性細分方案，保證發(fā)布數(shù)據(jù)集的效用性，研究了基于差分隱私的決策樹數(shù)據(jù)發(fā)布相關技術。論文的具體內(nèi)容主要包括以下幾個方面。
　　介紹了差分隱私保護模型的基本理論和實現(xiàn)隱私保護的原理，重點介紹了差分隱私保護的指數(shù)機制和噪聲機制，分析了在這兩種機制中，不同的隱私預算分配方案，對隱私保護的有效性和數(shù)據(jù)效用性的影響。
　　研究了自適應分配隱私預算技術。通過計算當前決策樹的規(guī)模，定量分配隱私預算，克服了已有算法均勻分配隱私預算的缺點，解決了

3、已有算法隱私預算分配不合理的問題，通過延長的生命周期，提高了隱私保護的力度。合理的隱私預算分配，可以提高指數(shù)機制的效率。在連續(xù)屬性較多時，算法需要維護規(guī)模巨大的細分方案集，這導致指數(shù)機制效率下降。對此，論文提出了基于權重委托的細分方案選擇技術。通過計算連續(xù)屬性區(qū)間特定點的權重，乘以區(qū)間長度代表本區(qū)間方案的可用性水平，參與最優(yōu)方案選擇，從而克服了指數(shù)機制效率低的問題。
　　直接發(fā)布屬性細分生成的等價類會導致隱私泄露，通過對數(shù)據(jù)添加噪

4、聲，擾動真實數(shù)據(jù)，實現(xiàn)隱私保護。論文進一步研究了基于拉普拉斯機制的異步等差加噪技術。基于等差模式，將單一形式的噪聲轉化成代數(shù)計算的形式，定量添加到等價類中，克服了現(xiàn)有算法噪聲冗余的缺點。采用后置處理技術，優(yōu)化加噪后的決策樹，降低了分類誤差，提高了決策樹的分類準確率。
　　采用標準數(shù)據(jù)集，以分類準確率和隱私保護水平作為評價指標，對相關技術和算法進行了實驗測試。實驗結果的分類準確率在80％以上，能夠保留數(shù)據(jù)的原始特性，驗證了論文提出的