申请/专利权人:清华大学深圳国际研究生院
申请日:2024-02-01
公开(公告)日:2024-04-12
公开(公告)号:CN117688613B
主分类号:G06F21/62
分类号:G06F21/62;G06F18/24;G06F18/10
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2024.03.29#实质审查的生效;2024.03.12#公开
摘要:一种对于分类型任务时间序列发布的差分隐私保护方法,包括:数据分段:使用时间序列数据的均值作为参考点,将时间序列数据分成若干片段;噪声产生:根据时间序列数据特征的重要性为时间序列数据的每个片段分配隐私预算,并根据隐私预算的分配结果,使用差分隐私的拉普拉斯机制为每个片段生成拉普拉斯噪声;其中,所述时间序列数据特征的重要性包括隐私保护重要性和数据分类任务重要性,所述隐私保护重要性和所述数据分类任务重要性根据时间序列数据的统计量来计算。本发明的方法首次在发布差分隐私时间序列时考虑分类任务特征,很好地保证了数据的可用性和隐私保护性。
主权项:1.一种对于分类型任务时间序列发布的差分隐私保护方法,其特征在于,包括:数据分段:使用时间序列数据的均值作为参考点,将时间序列数据分成若干片段;噪声产生:根据时间序列数据特征的重要性为时间序列数据的每个片段分配隐私预算,并根据隐私预算的分配结果,使用差分隐私的拉普拉斯机制为每个片段生成拉普拉斯噪声;其中,所述时间序列数据特征的重要性包括隐私保护重要性和数据分类任务重要性,所述隐私保护重要性和所述数据分类任务重要性根据时间序列数据的统计量来计算;其中,所述为时间序列数据的每个片段分配隐私预算包括:计算时间序列数据每个数据类别的统计量;确定各统计量的重要性权重,并根据各统计量的重要性权重来计算反映分类任务重要性的概率;根据时间序列数据的统计量,为每个片段计算隐私重要性;根据反映分类任务重要性的概率和每个片段的隐私重要性,进行隐私预算分配。
全文数据:
权利要求:
百度查询: 清华大学深圳国际研究生院 一种对于分类型任务时间序列发布的差分隐私保护方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。