一种基于Pufferfish框架的针对关联分类数据序列的隐私保护方法

摘要

本发明涉及一种基于Pufferfish框架的针对关联分类数据序列的隐私保护方法。首先引入Pufferfish框架制定严格的隐私保护定义，然后利用多维马尔可夫链模型准确描述数据之间的两种关联性，最后提出可实现的隐私保护机制添加合适的噪音保护隐私。本发明基于pufferfish隐私保护框架在二维关联数据的场景下制定隐私保护定义，采用多维马尔可夫链模型合理表示数据之间的二维关联性，并结合隐私保护定义提出可实现的添加噪音的机制，在实现聚合查询分析整体趋势的同时，保证每个个体在每一时刻的状态为隐私数据，攻击者无法区分。本发明同时考虑了个体之间的相关性以及每个序列内部的相关性这两种类型的隐私保护，能在使关联数据集可用的同时保护个体的隐私数据。