本发明公开了一种传感器网络中基于多维分解的隐私数据汇聚方法。
在传感器网络中,一般基于拉普拉斯噪声机制的差分隐私方法可能会因为较大的全局敏感度造成过扰动现象,从而破坏汇聚数据的效用性。
本发明提出的方法通过将单一数据流分解为指数权重的多维数据流,并在每一维数据流上根据每一维的局部敏感度和隐私预算添加独立噪声实现差分隐私保护。
相比于一般的拉普拉斯噪声机制下的汇聚过程,该方法在保证相同程度用户隐私的同时提供更好的数据效用性。
| 专利名称 | 传感器网络中基于多维分解的隐私数据汇聚方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610005312.0 |
| 申请号 | - | 专利申请日期 | 2016-01-06 |
| 专利授权日期 | 2017-04-26 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 杨新宇;任雪斌;蔺杰;王路辉;李庄园;王腾;赵聪 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了一种传感器网络中基于多维分解的隐私数据汇聚方法。在传感器网络中,一般基于拉普拉斯噪声机制的差分隐私方法可能会因为较大的全局敏感度造成过扰动现象,从而破坏汇聚数据的效用性。本发明提出的方法通过将单一数据流分解为指数权重的多维数据流,并在每一维数据流上根据每一维的局部敏感度和隐私预算添加独立噪声实现差分隐私保护。相比于一般的拉普拉斯噪声机制下的汇聚过程,该方法在保证相同程度用户隐私的同时提供更好的数据效用性。 | ||