江芝蒙 侯 翔 李 杰

1(四川文理學(xué)院信息化建設(shè)與服務(wù)中心 四川 達(dá)州 635000) 2(四川文理學(xué)院智能制造學(xué)院 四川 達(dá)州 635000) 3(四川文理學(xué)院科技處 四川 達(dá)州 635000)

0 引 言

隨著互聯(lián)網(wǎng)的發(fā)展，越來(lái)越多的用戶在網(wǎng)絡(luò)上留下自己的一些信息[1-3]。隨著AI和大數(shù)據(jù)概念的提出，越來(lái)越多的互聯(lián)網(wǎng)公司通過(guò)提取用戶的信息，來(lái)統(tǒng)計(jì)和分析這些數(shù)據(jù)并將其做公開的研究，如阿里公司可以通過(guò)用戶的購(gòu)物信息來(lái)分析用戶的潛在消費(fèi)需求等，這就引發(fā)了對(duì)數(shù)據(jù)隱私的相關(guān)問(wèn)題[4-5]。需要采用一些方法，既可以使數(shù)據(jù)成功用于預(yù)期目的，例如，將分析用戶購(gòu)買物品記錄，又不違反該人隱私的方式，例如其性別、地址和聯(lián)系方式等[6-7]?？紤]協(xié)作感知環(huán)境[8-9]，其中移動(dòng)用戶將數(shù)據(jù)上傳到云，云計(jì)算分類器將其發(fā)送回移動(dòng)設(shè)備以在本地用于所需的分類任務(wù)。這種稱為協(xié)作學(xué)習(xí)的方法利用了云的彈性，與用戶單獨(dú)實(shí)現(xiàn)相比，能產(chǎn)生更好的分類器，但同時(shí)也帶來(lái)了隱私風(fēng)險(xiǎn)。

截止到目前，越來(lái)越多的企業(yè)/個(gè)人開始將本地?cái)?shù)據(jù)外包給云服務(wù)器，但是，在開放網(wǎng)絡(luò)而非完全可信的云環(huán)境下，當(dāng)將數(shù)據(jù)外包到公共云或使用其外包數(shù)據(jù)時(shí)，它們面臨巨大的安全和隱私風(fēng)險(xiǎn)(例如，數(shù)據(jù)泄露或泄露，數(shù)據(jù)損壞或丟失以及用戶隱私泄露)，因此對(duì)于云數(shù)據(jù)的隱私保護(hù)的研究得到越來(lái)越多的關(guān)注。為解決這些風(fēng)險(xiǎn)進(jìn)行了多項(xiàng)研究，已經(jīng)有研究提出了一系列解決方案，以便在不受信任的云環(huán)境中實(shí)現(xiàn)數(shù)據(jù)和隱私保護(hù)。

文獻(xiàn)[10]提出一個(gè)新的隱私保護(hù)框架，用于將不敏感數(shù)據(jù)傳輸?shù)缴虡I(yè)公共云，其余數(shù)據(jù)傳輸?shù)娇尚潘接性?。在該框架下，設(shè)計(jì)了兩個(gè)協(xié)議來(lái)提供個(gè)性化的隱私保護(hù)，并防止公共云服務(wù)提供商和數(shù)據(jù)用戶之間的潛在勾結(jié)。文獻(xiàn)[11]提出一種針對(duì)敏感數(shù)據(jù)的完整生命周期隱私保護(hù)方案，該方案基于身份的定時(shí)釋放加密算法和分布式哈希表網(wǎng)絡(luò)，該方法通過(guò)定時(shí)釋放加密算法生成共享密文，將其分發(fā)到哈希表網(wǎng)絡(luò)并將封裝的密文存儲(chǔ)到云服務(wù)器中。文獻(xiàn)[12]提出一種基于時(shí)間序列模式的噪聲生成策略，用于云上的隱私保護(hù)。首先，使用聚類算法來(lái)動(dòng)態(tài)生成時(shí)間間隔，用來(lái)研究其相應(yīng)的概率波動(dòng)，并提出基于時(shí)間序列模式的預(yù)測(cè)算法。最后，提出基于預(yù)測(cè)算法的噪聲生成策略來(lái)抵御概率波動(dòng)隱私風(fēng)險(xiǎn)。文獻(xiàn)[13]提出了一種用于隱私保護(hù)云環(huán)境中數(shù)據(jù)共享的混合解決方案，創(chuàng)新地組合了不同的方法以支持具有不同隱私強(qiáng)度的多種醫(yī)學(xué)數(shù)據(jù)共享范例，基于四個(gè)基本組件的實(shí)施和現(xiàn)實(shí)世界的案例研究報(bào)告了實(shí)驗(yàn)評(píng)估。在文獻(xiàn)[14]中，因素問(wèn)題被視為單個(gè)分類任務(wù)，提出一種稱為判別分量分析的主成分分析的監(jiān)督方法，投影方向受到線性判別分析中的類內(nèi)散射矩陣的影響。該方法還擴(kuò)展到使用內(nèi)核技巧的非線性投影。缺點(diǎn)是缺乏第二個(gè)參考分類問(wèn)題使得這些方法不能立即與這里提出的方法相比。

在研究現(xiàn)有隱私保護(hù)方法的基礎(chǔ)上，本文研究將隱私保護(hù)問(wèn)題視為兩個(gè)分類任務(wù)：隱私不敏感任務(wù)和隱私敏感任務(wù)，尋求最佳的數(shù)據(jù)轉(zhuǎn)換，能夠最大程度地降低任何分類器對(duì)于不期望任務(wù)的性能，而不會(huì)損害預(yù)期任務(wù)的性能。為此，本文提出了一種基于子空間投影和廣義特征值分解的數(shù)據(jù)隱私保護(hù)方法，該方法使用內(nèi)核廣義特征值分解方法制定此方法的非線性擴(kuò)展。實(shí)驗(yàn)表明本文方法能夠?qū)崿F(xiàn)云數(shù)據(jù)隱私保護(hù)。

1 問(wèn)題模型

假設(shè)數(shù)據(jù)模型描述如下：用戶生成需要存儲(chǔ)/上傳到云的矢量數(shù)據(jù)，數(shù)據(jù)的某些方面不敏感，并且用戶的意圖是云提供商可以識(shí)別它們。然而，其他一些數(shù)據(jù)是敏感的，可能造成隱私泄露。為了實(shí)現(xiàn)隱私保護(hù)PP(privacy protection)，需要設(shè)計(jì)一個(gè)系統(tǒng)，以便在破壞隱私的同時(shí)實(shí)現(xiàn)預(yù)期的任務(wù)。在文本中，用戶不上傳原始數(shù)據(jù)，而是上傳最大化PP的轉(zhuǎn)換版本。在數(shù)學(xué)上，將隱私保護(hù)問(wèn)題表述為一對(duì)分類任務(wù)：隱私不敏感(預(yù)期)任務(wù)和隱私敏感(不良)任務(wù)。假設(shè)用戶生成數(shù)據(jù)作為矢量序列{x1,x2,…,xN}。對(duì)于不敏感的任務(wù)，有一組相關(guān)的標(biāo)簽ti，制定了以下分類問(wèn)題：?jiǎn)栴}A(隱私不敏感任務(wù))。數(shù)據(jù)集：{(x1,t1),(x2,t2)，…,(xN,tN)}，目標(biāo)ti對(duì)應(yīng)于與不敏感信息相關(guān)的類標(biāo)簽，例如性別。一般來(lái)說(shuō)，可以有兩個(gè)以上的類：ti∈1,2,…,L。

同時(shí)，給定相同的數(shù)據(jù)序列xi，如果難以解決，則需要解決以下分類問(wèn)題：?jiǎn)栴}B(隱私敏感任務(wù))。數(shù)據(jù)集：{(x1,s1),(x2,s2),…,(xN,sN)}。目標(biāo)si是與敏感信息相關(guān)的類別標(biāo)簽，例如，人員的身份標(biāo)識(shí)了數(shù)據(jù)，同樣可能有兩個(gè)以上的類：si∈1,2,…,P。

本文目標(biāo)是設(shè)計(jì)數(shù)據(jù)轉(zhuǎn)換，以便任何分類器在問(wèn)題A上表現(xiàn)良好，但必須在問(wèn)題B上表現(xiàn)不佳。

2 隱私保護(hù)方法

2.1 子空間投影隱私保護(hù)方法

本文隱私保護(hù)方法是讓數(shù)據(jù)在公開之前進(jìn)行某種形式的轉(zhuǎn)換，本文方法通過(guò)將數(shù)據(jù)投影到合適的線性子空間來(lái)減少數(shù)據(jù)。子空間的選擇應(yīng)使投影數(shù)據(jù)最大化問(wèn)題A的可分離性，同時(shí)最小化問(wèn)題B的可分離性。對(duì)于單個(gè)分類問(wèn)題，給定子空間維數(shù)d，則多重判別分析提供可分離性準(zhǔn)則：

(1)

式中:SB表示類間散射矩陣，SW表示類內(nèi)散射矩陣，W=[w1,w2,…,wd]是投影矩陣。然而，在本文隱私保護(hù)問(wèn)題中，面臨著兩個(gè)具有相互矛盾目標(biāo)的分類問(wèn)題，即在用W跨越子空間投影數(shù)據(jù)之后，希望最大化分類問(wèn)題A的準(zhǔn)確性，同時(shí)最小化問(wèn)題B的準(zhǔn)確性。因此，優(yōu)化的自然標(biāo)準(zhǔn)是多元判別率，定義如下：

(2)

式中：SBT是問(wèn)題A的類間散步矩陣，SBS是問(wèn)題B的類間散步矩陣，SBT和SBS定義如下：

(3)

其中：

(4)

出于穩(wěn)定性原因，還添加了正則化項(xiàng)ρI，則問(wèn)題A和問(wèn)題B的類間散布矩陣可以表示為：

(5)

(6)

式中：ρ是一個(gè)小的正參數(shù)。給定投影子空間維度d，式(2)中最大化的解是矩陣W，其列是與矩陣的最大特征值相關(guān)的廣義特征向量：

SBTwi=λiSBSwi

(7)

因此，鑒于如上所述的分類問(wèn)題A和B，本文提出以下隱私保護(hù)算法：

算法1線性子空間投影隱私保護(hù)算法

1) 形成式(5)和式(6)中類間散布矩陣SBT和SBS；

2) 選擇子空間維度d并求解式(7)中的廣義特征值分解問(wèn)題；

3) 按遞減順序λ1≥λ2≥…對(duì)廣義特征值進(jìn)行排序，形成矩陣W=[w1,w2,…,wd]與相應(yīng)的廣義特征向量；

4) 使用矩陣轉(zhuǎn)換數(shù)據(jù)W:y=WTx；

5) 隱藏?cái)?shù)據(jù)x，并且僅使y可用。

通過(guò)比較使用原始數(shù)據(jù)x與使用投影數(shù)據(jù)y的任何算法的分類性能變化來(lái)評(píng)估變換的有效性。理想情況下，隱私敏感任務(wù)(問(wèn)題B)的準(zhǔn)確性應(yīng)降低到零，而隱私不敏感任務(wù)(問(wèn)題A)的準(zhǔn)確性應(yīng)保持不變。

2.2 核廣義特征值分解隱私保護(hù)方法

(8)

可表示為：

(9)

Φ(TK+ρI)α

(10)

對(duì)于問(wèn)題B類間散布矩陣可以表示為：

(11)

根據(jù)以上的公式，可以求解下面的廣義特征值問(wèn)題：

(TK+ρI)α=λ′(SK+ρI)α

(12)

然后，對(duì)于給定的維度d，有W=Φ[α1,α2,…,αd]并且投影數(shù)據(jù)是：

(13)

則核廣義特征值分解隱私保護(hù)算法如算法2所示。

算法2核廣義特征值分解隱私保護(hù)算法

2) 選擇子空間維度d并解決式(12)中的特征值分解問(wèn)題；

4) 使用式(13)獲得轉(zhuǎn)換后的數(shù)據(jù)y；

5) 隱藏?cái)?shù)據(jù)x，并且僅使y可用。

3 實(shí)驗(yàn)結(jié)果與分析

對(duì)本文線性子空間投影算法和核廣義特征值分解算法使用Human Activity Recognition(HAR)數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)數(shù)據(jù)集包含10 299個(gè)模式，每個(gè)模式包含561個(gè)屬性，這些屬性與從手機(jī)的加速度計(jì)獲得的智能手機(jī)的位置和運(yùn)動(dòng)相關(guān)。不敏感隱私任務(wù)(問(wèn)題A)是識(shí)別智能手機(jī)用戶的當(dāng)前活動(dòng)，可能的活動(dòng)是：行走、上樓、下樓、坐著、站立和躺著。從30個(gè)不同的人類用戶收集數(shù)據(jù)，與模式相關(guān)的用戶ID也是可用的，隱私敏感任務(wù)(問(wèn)題B)是基于智能手機(jī)數(shù)據(jù)的用戶識(shí)別。實(shí)驗(yàn)的硬件環(huán)境是具有Intel Core2 i7處理器的，8 GB內(nèi)存，WIN10操作系統(tǒng)的筆記本。則數(shù)據(jù)集在使用本文算法進(jìn)行隱私保護(hù)的流程如圖1所示。

圖1 本文算法對(duì)HAR數(shù)據(jù)集隱私保護(hù)流程圖

本文定義了整體性能標(biāo)準(zhǔn)，稱之為隱私指數(shù)PI，表示為問(wèn)題A的準(zhǔn)確度與問(wèn)題B的分類誤差(即1減去準(zhǔn)確度)之間的調(diào)和平均值：

(14)

式中：AccA為活動(dòng)預(yù)測(cè)準(zhǔn)確度，AccB為用戶預(yù)測(cè)準(zhǔn)確度。如果AccA=1且AccB=0，則該準(zhǔn)則達(dá)到其最大值1，另一方面，如果AccA=1或AccB=1，則PI=0。

表1 不同d條件下SP算法的性能

表2 不同γ條件下KP算法的PI值

可以看出，當(dāng)SVM超參數(shù)γ=0.001，d=5時(shí)KP算法實(shí)現(xiàn)最佳性能，PI=0.903，此時(shí)AccA=91.4%，AccB=10.8%，這些值表示用戶預(yù)測(cè)準(zhǔn)確率下降了89%，活動(dòng)預(yù)測(cè)準(zhǔn)確率下降了7.8%，此時(shí)，KP算法在隱私保護(hù)的性能上優(yōu)于SP算法。

為了驗(yàn)證本文算法的有效性，將本文算法與其他隱私保護(hù)算法進(jìn)行比較，包括文獻(xiàn)[15]中TPNSA隱私保護(hù)算法和文獻(xiàn)[16]中LKC隱私保護(hù)算法，得出不同維度d的PI性能如圖2所示。

從圖中可以看出，本文隱私保護(hù)算法SP和KP都能夠?qū)崿F(xiàn)數(shù)據(jù)的隱私保護(hù)，且性能優(yōu)于其他兩種隱私保護(hù)算法，說(shuō)明本文方法的有效性。

4 結(jié) 語(yǔ)

本文提出了一種新穎的子空間數(shù)據(jù)隱私保護(hù)算法，用于在協(xié)作環(huán)境中壓縮用戶提供給云的數(shù)據(jù)從而保護(hù)私人信息。隱私數(shù)據(jù)保護(hù)問(wèn)題模型為一對(duì)具有矛盾目標(biāo)的分類問(wèn)題：不敏感隱私問(wèn)題A和敏感隱私問(wèn)題B，提出多類判別率標(biāo)準(zhǔn)，可得到最優(yōu)的線性投影算子，最大化問(wèn)題A的可分離性，同時(shí)最小化問(wèn)題B的可分離性。使用核廣義特征值分解可以很容易地將該方法擴(kuò)展到非線性投影。使用公開的HAR數(shù)據(jù)集對(duì)本文方法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明核廣義特征值分解方法可以實(shí)現(xiàn)非常低的用戶識(shí)別性能，活動(dòng)識(shí)別性能略有下降，并且本文算方優(yōu)于其他隱私保護(hù)算法，說(shuō)明本文方法的可行性與有效性。