申请/专利权人：广州大学

申请日：2022-08-19

公开（公告）日：2024-04-16

公开（公告）号：CN115563616B

主分类号：G06F21/57

分类号：G06F21/57

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2023.01.20#实质审查的生效;2023.01.03#公开

摘要：本发明涉及差分隐私和数据投毒防御技术领域，公开了一种面向本地化差分隐私数据投毒攻击的防御方法，其包括如下步骤：用户的数据经过LDP机制编码扰动之后，变为噪声数据，再将噪声数据上传到中心服务器中；中心服务器对每个用户的噪声数据进行差异放大和降维，再将差异放大后的数据映射到高维空间中的一个点；中心服务器根据异常点检测算法，随机抽取空间中的点，训练出t棵孤立二叉树；中心服务器利用孤立二叉树对每个节点进行评估，根据每个节点与根节点的距离，对节点进行打分；中心服务器筛选出异常点，剔除异常数据，并将上传该数据的用户进行标记，若标记超过3次，则剔除掉该用户。

主权项：1.一种面向本地化差分隐私数据投毒攻击的防御方法，其特征在于，包括以下步骤：第一步，用户的数据经过LDP机制编码扰动之后，变为噪声数据，再将噪声数据上传到中心服务器中；第二步，中心服务器对每个用户的噪声数据进行差异放大和降维，再将差异放大后的数据映射到高维空间中的一个点；第三步，中心服务器根据异常点检测算法，随机抽取空间中的点，训练出t棵孤立二叉树；第四步，中心服务器利用孤立二叉树对每个节点进行评估，根据每个节点与根节点的距离，对节点进行打分；第五步，中心服务器筛选出异常点，剔除异常数据，并将上传该数据的用户进行标记，若标记超过3次，则剔除掉该用户；第六步，中心服务器对剔除掉异常数据后的噪声数据进行统计分析；所述异常点检测算法包含训练和预测两个步骤，训练步骤用来构建孤立二叉树，构造了孤立二叉树后，对数据进行预测；所述训练步骤的内容如下：S1:设X＝x1,x2,x3,......,xn为训练集，从X中随机抽取p个样本点构成X的子集X′放入根节点；S2:从d个维度中随机指定一个维度q，在当前数据中随机产生一个切割点p；S3:由切割点p生成一个超平面，将当前数据空间划分为两个子空间，指定维度小于p的样本点放入左子节点，大于或等于p的样本点放入右子节点；S4:递归S2-S3，直至所有的叶子节点都只有一个样本点或者孤立树已经达到指定高度；S5:循环S1-S4，直至生成t棵孤立树；所述预测步骤为将每个样本点x放入森林中的对应孤立二叉树中，计算节点到根节点的路径长度得到其异常分值Sx，n，来判断x是否为异常点；所述节点打分的准则为分越接近1，则为异常点，分越接近0，则为正常点。

全文数据：

权利要求：

百度查询： 广州大学 一种面向本地化差分隐私数据投毒攻击的防御方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD