符合差分隐私的流数据统计直方图发布

摘要

直方图是一种被广为应用的统计数据发布形式，其潜在的隐私泄露风险是当前数据隐私保护领域的关注点.该文针对流数据的直方图发布问题，提出一种符合差分隐私保护要求的方法.其主要特点包括：(1)将w-事件引入流数据的直方图发布加噪机制以确保其满足差分隐私保护需求；(2)采用卡尔曼滤波方式对加噪后的流数据进行后置处理以改善数据效用；(3)通过指数平滑法改进卡尔曼滤波方式避免相邻数据之间的突变性.论文以UCI的两个真实数据集为基础进行流数据直方图模拟发布实验，结果表明该文方法在不同差分隐私预算约束、不同窗口大小情形下均具有明显优势，可在相同隐私保护水平下获得更高的数据可用性.

关键词

差分隐私 / 隐私保护 / 卡尔曼滤波 / 流数据 / 直方图