非独立同分布环境下的多相关性差分隐私矩阵分解方法

摘要

本发明公开一种非独立同分布环境下的多相关性差分隐私矩阵分解方法，其考虑数据其他属性多相关性，使用相关性目标扰动机制将数据的相关性质同时引入到模型目标函数，同时保证了预测结果的安全性和效用性。其中主要包括生成的随机噪声矩阵满足预测结果在非独立同分布假设下满足差分隐私的相关性噪声矩阵计算，以及引入其他属性多相关性并加入随机噪声矩阵的相关差分隐私矩阵分解训练过程两大部分。本发明能够在达到保证数据隐私安全的情况下，尽可能的提高预测精度来抵消隐私保护带来的精度损失。