基于粗糙集理论的差分隐私保护方法研究

摘要

快速发展的数据应用技术使数据的潜在价值得到了充分的利用,同时增加了数据隐私泄露的风险,数据隐私保护成为了人们关注的焦点。差分隐私保护技术通过在运算结果中加入随机噪声来防止隐私泄露,由于它与背景知识无关,能够较好的提供隐私保护。但它没有考虑数据之间的关联性,运算结果会破坏数据分析的效用性,攻击者也能利用数据关联性进行攻击。提出了基于粗糙集理论的非交互式差分隐私保护方法,根据粗糙集理论的属性冗余去除数据冗余属性,根据属性依赖度判断数据属性之间的关联性,对不同关联度的数据属性进行分类,然后计算每类数据属性的平均信息熵,采用拉普拉斯机制为每类数据属性添加不同的噪声,使得数据隐私在得到充分保护的前提下,提升了数据分析的效用性,同时可以有效阻止攻击。