摘要
针对现有差分隐私高维数据发布方法无法兼顾属性间隐私合理分配和算法效率问题,提出一种基于属性敏感度分级的差分隐私高维数据发布方法 PrivASG。首先,基于属性所含信息量不同引入敏感度概念对属性聚类,同时根据属性之间最大互信息系数对数据集进一步划分。接着,对聚类后的数据子集分别建立满足差分隐私的贝叶斯网络。最后,根据属性的敏感程度优化隐私预算分配,对属性数据实现差异性扰动后进行数据发布。实验结果表明,PrivASG方法在提高数据可用性及算法效率的同时,对敏感属性数据的保护有着相应的提升。
- 出版日期2023
- 单位河南理工大学