面向数据流滑动窗口的自适应直方图发布算法
差分隐私技术作为一种有效的隐私保护机制,已被广泛应用在诸多领域.目前已有的静态数据集和动态数据集上的直方图发布方法在处理数据流滑动窗口模型时,往往只能够通过对数据直方图信息添加统一噪声的形式来实现数据保护,这导致了它们在实际应用中存在数据可用性低、时间复杂度高等问题.针对这些问题,文中通过将数据流近似计数技术综合到差分隐私保护算法中,进而提出了一种面向数据流滑动窗口模型的自适应直方图发布方法APS(Adaptive Histogram Publishing Method for Sliding Window).APS算法首先利用数据流近似计数方法来预测下一时刻滑动窗口内数据的分布信息;然后通过比较估计值与真实值之间的差异来选取合适的发布值;最后对排序后的直方图区间进行聚类处理,并优化其桶内数据的误差.理论分析显示,A PS算法能够在减少隐私预算的同时,有效地提高数据的可用性和缩短运行时间.在两种不同的真实数据集上的实验结果也验证了A PS算法在数据可用性和运行时间上显著优于现有的基于分组的直方图发布算法.
差分隐私、滑动窗口、数据流、直方图发布、近似误差、拉普拉斯误差
49
TP309(计算技术、计算机技术)
安徽高校协同创新项目;国家自然科学基金;国家自然科学基金;国家自然科学基金;安徽省重点研发与开发计划面上攻关项目;安徽省重点研发与开发计划面上攻关项目;安徽省自然科学基金;安徽高校自然科学研究项目;安徽高校自然科学研究项目;安徽普通高校重点实验室开放基金项目
2022-10-20（万方平台首次上网日期，不代表论文的发表时间）
共9页
344-352
