一种基于本地化差分隐私模型的直方图数据发布方法及系统

摘要

本发明公开了一种基于本地化差分隐私模型的直方图数据发布方法及系统，依赖于本地化差分隐私模型(Local Differential Privacy,LDP)，为了保护隐私，在发送前对数据进行扰动处理使其满足ε‑LDP约束，来保证用户的隐私不被窃取，保证个体用户的真实数据仅对其本身可见，其余第三方仅能探测到满足ε‑LDP约束的带噪数据；在发布数据时，结合数据的特征，将待发布的数据转化为具有高精确度的、满足ε‑LDP约束的用户对每个小波系数的带噪贡献量，服务器端将不同用户对同一个小波系数的带噪贡献量进行累加求和，获取每个带噪的小波系数，并根据每个带噪的小波系数进行逆变换处理，以获取满足ε‑LDP约束的直方图数据进行发布。