面向频繁项集挖掘的本地差分隐私事务数据收集方法

作     者：欧阳佳 印鉴 肖政宏 赵慧民 刘少鹏 梁鹏 肖茵茵 OUYANG Jia;YIN Jian;XIAO Zheng-Hong;ZHAO Hui-Min;LIU Shao-Peng;LIANG Peng;XIAO Yin-Yin

作者机构：广东技术师范大学计算机科学学院广东广州510665 中山大学人工智能学院广东广州510006 

基　　金：国家自然科学基金(61702119,U1711262,U1501252,U1711261) 广州市科技计划(201804010236,201607010152) 广东省基础与应用基础研究基金(2019A1515012048) 广东省教育厅创新团队项目(2017KCXTD021) 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2021年第32卷第11期

页      码：3541-3562页

摘      要：事务数据常见于各种应用场景中,如购物记录、页面浏览历史等.为了提供更好的服务,服务提供商收集用户数据并进行分析,但收集事务数据会泄露用户的隐私信息.为了解决上述问题,基于压缩的本地差分隐私模型,提出一种事务数据收集方法.首先,定义了一种新的候选项集分值函数;其次,基于该函数,将候选项集的样本空间划分为多个子空间;然后,随机选择其中一个子空间,基于该子空间随机生成事务数据并发送给不可信的数据收集者;最后,考虑到隐私参数的设置问题,基于最大后验置信度攻击模型设计启发式隐私参数设置策略.理论分析表明,该方法能够同时保护事务数据的长度与内容,满足压缩的本地差分隐私要求.实验结果表明,与目前最优的工作相比,所收集的数据具有更高的效用性,隐私参数设置更具有语义性.

主 题 词：隐私保护 数据收集 事务数据 本地差分隐私 隐私参数 

学科分类：0810[工学-土木类] 08[工学] 0839[0839] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13328/j.cnki.jos.006044

馆 藏 号：203105925...