徐紅兵

(萬(wàn)博科技職業(yè)學(xué)院 理工分院，安徽合肥，230031)

大數(shù)據(jù)不僅僅是指數(shù)據(jù)量大，同時(shí)也意味著數(shù)據(jù)中蘊(yùn)含的信息也有巨大的價(jià)值。但在研究過(guò)程中存在著數(shù)據(jù)被泄露的危險(xiǎn)，且存在于數(shù)據(jù)交互的諸多環(huán)節(jié)中，很容易造成數(shù)據(jù)庫(kù)中用戶隱私數(shù)據(jù)的泄露，甚至被一些不法人員用來(lái)進(jìn)行電話詐騙的媒介，所以大數(shù)據(jù)時(shí)代的隱私保護(hù)也成為了亟待解決的問(wèn)題[1]。

在數(shù)據(jù)挖掘中最基礎(chǔ)、最頻繁的動(dòng)作就是數(shù)據(jù)的線性查詢，因此，線性查詢?cè)跀?shù)據(jù)的隱私保護(hù)中占據(jù)著極其重要的位置，尤其是交互式線性查詢，更是增加了數(shù)據(jù)訪問(wèn)過(guò)程中數(shù)據(jù)的處理量，數(shù)據(jù)量偏大使得傳統(tǒng)數(shù)據(jù)隱私保護(hù)模型的檢測(cè)效率往往較低[2]。本文針對(duì)大規(guī)模數(shù)據(jù)集隱私保護(hù)的需求和交互式數(shù)據(jù)訪問(wèn)的特點(diǎn)，提出了改進(jìn)的差分隱私保護(hù)模型。改進(jìn)模型通過(guò)對(duì)大數(shù)據(jù)集的關(guān)聯(lián)性進(jìn)行分析以減少交互式查詢過(guò)程中冗余信息的計(jì)算，采用交替方向乘子法提高負(fù)載矩陣的分解速度，最后采用自適應(yīng)加噪技術(shù)生成差分隱私模型所需的噪聲數(shù)據(jù)以解決數(shù)據(jù)靈敏度問(wèn)題。

1 差分隱私保護(hù)模型

上世紀(jì)60年代，Dalenius第一次提出了隱私保護(hù)的問(wèn)題，隱私保護(hù)的主要思想是包含使用者和入侵者在內(nèi)的任何用戶在訪問(wèn)數(shù)據(jù)庫(kù)數(shù)據(jù)時(shí)都無(wú)法獲取準(zhǔn)確的信息。隱私保護(hù)可以分為分組隱私保護(hù)和差分隱私保護(hù)，常見(jiàn)的有k-匿名分組保護(hù)算法、差分隱私保護(hù)算法等[3]。

數(shù)據(jù)隱私保護(hù)存在于許多領(lǐng)域中，數(shù)據(jù)查詢是隱私保護(hù)領(lǐng)域中最基礎(chǔ)、最常見(jiàn)的一個(gè)環(huán)節(jié)。線性數(shù)據(jù)查詢通常分為交互式與非交互式兩種，交互式查詢更多的用于具有保密要求的數(shù)據(jù)交互中，交互過(guò)程中會(huì)對(duì)交互數(shù)據(jù)進(jìn)行處理，所以交互的開(kāi)銷會(huì)受到交互的數(shù)據(jù)量量級(jí)的影響。如果在大數(shù)據(jù)的交互過(guò)程中仍然采用原始的線性查詢隱私保護(hù)策略，則會(huì)使得數(shù)據(jù)處理的時(shí)間開(kāi)銷難以令人接受，所以對(duì)大規(guī)模數(shù)據(jù)集的隱私保護(hù)模型進(jìn)行改進(jìn)極有必要。

差分隱私保護(hù)模型的基本思路是數(shù)據(jù)集中任意個(gè)體的存在與否對(duì)用戶的查詢結(jié)果不會(huì)造成劇烈影響。設(shè)數(shù)據(jù)集為D，其中的個(gè)體數(shù)據(jù)為A，對(duì)數(shù)據(jù)集查詢的動(dòng)作為f，查詢的結(jié)果用f(D)表示。如果將數(shù)據(jù)集D中的個(gè)體A刪除掉，并重復(fù)查詢動(dòng)作f所獲得的結(jié)果仍然為f(D)，則認(rèn)為數(shù)據(jù)A存在于數(shù)據(jù)集D中與否并沒(méi)有對(duì)數(shù)據(jù)集D產(chǎn)生任何風(fēng)險(xiǎn)。M表示差分隱私保護(hù)的隨機(jī)算法，PM表示隨機(jī)算法M所有可能輸出的集合，如果隨機(jī)算法M對(duì)于任意的數(shù)據(jù)集D、數(shù)據(jù)集D’與結(jié)果集PM的所有SM都滿足式(1)的約束，則稱隨機(jī)算法M具備ε-差分隱私保護(hù)的能力，其中ε表示隱私保護(hù)預(yù)算。

Pr[M(D)∈SM]≤exp(ε)×Pr[M(D’)∈SM]

(1)

2 大數(shù)據(jù)環(huán)境中交互式查詢差分隱私保護(hù)模型

2.1 模型結(jié)構(gòu)總體設(shè)計(jì)

差分隱私保護(hù)模型應(yīng)用于大數(shù)據(jù)環(huán)境下的交互式查詢的基本思路是：(1)獲取數(shù)據(jù)間的關(guān)聯(lián)關(guān)系以減少冗余計(jì)算；(2)采用交替方向乘子法對(duì)查詢負(fù)載矩陣進(jìn)行分解；(3)采用自適應(yīng)的加噪算法實(shí)現(xiàn)數(shù)據(jù)加噪；(4)返還真實(shí)結(jié)果。改進(jìn)的差分模型的結(jié)構(gòu)圖如圖1所示，可以看出模型供分為三個(gè)部分，即數(shù)據(jù)關(guān)聯(lián)屬性計(jì)算、負(fù)載矩陣的高效分解、數(shù)據(jù)加噪和去噪。其流程為：(1)在數(shù)據(jù)集中查詢并獲取數(shù)據(jù)；(2)設(shè)置最小支持度和最小置信度，并通過(guò)計(jì)算負(fù)載矩陣間的關(guān)聯(lián)關(guān)系，減少冗余的數(shù)據(jù)計(jì)算；(3)對(duì)關(guān)聯(lián)關(guān)系和負(fù)載矩陣進(jìn)行分解，獲取分解結(jié)果；(4)對(duì)矩陣分解結(jié)果L和數(shù)據(jù)集D添加Laplace噪聲，以實(shí)現(xiàn)差分隱私保護(hù)；(5)將添加噪聲的結(jié)果返回給查詢的用戶。

圖1 大數(shù)據(jù)環(huán)境中交互式查詢差分

2.2 基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)篩選模型

改進(jìn)的差分隱私保護(hù)模型選用FP-growth算法[4]對(duì)數(shù)據(jù)中隱藏的關(guān)聯(lián)模式進(jìn)行挖掘，通過(guò)關(guān)聯(lián)模式實(shí)現(xiàn)冗余數(shù)據(jù)的篩選。

圖2 基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)篩選模型流程圖

如圖2所示，基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)篩選模型具體流程如下：

(1)全面掃描數(shù)據(jù)集，獲取頻繁項(xiàng)候選集；

(2)根據(jù)最小支持度minSup對(duì)頻繁項(xiàng)候選集進(jìn)行篩選，構(gòu)建FP-tree；

(3)對(duì)構(gòu)建的FP-tree進(jìn)行剪枝處理；

(4)利用剪枝后的FP-tree樹(shù)建構(gòu)前綴路徑集合；

(5)利用前綴路徑集合獲取數(shù)據(jù)關(guān)聯(lián)模式。

2.3 基于差分隱私的自適應(yīng)加噪模型ANMDP

圖3 基于差分隱私的自適應(yīng)加噪模型流程圖

基于差分隱私的自適應(yīng)加噪模型流程圖如圖3所示，具體流程為：

(2)利用Laplace機(jī)制對(duì)數(shù)據(jù)集L和數(shù)據(jù)集D添加ε噪聲；

(3)去掉數(shù)據(jù)的無(wú)關(guān)屬性，并對(duì)其還原；

(4)返回?cái)?shù)據(jù)結(jié)果

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)無(wú)關(guān)性分析

通過(guò)設(shè)置最小支持度，計(jì)算出數(shù)據(jù)集的關(guān)聯(lián)關(guān)系，結(jié)果如表1所示。

表1 關(guān)聯(lián)性分析表

從表1可以看出，經(jīng)過(guò)處理后數(shù)據(jù)項(xiàng)的數(shù)量有效減少，降低了后續(xù)計(jì)算的壓力和時(shí)間、空間開(kāi)銷。

3.2 隱私保護(hù)結(jié)果

表2 隱私保護(hù)結(jié)果表

表2結(jié)果為改進(jìn)的差分隱私保護(hù)模型與LRM模型[5]、MM模型[6]相比較的結(jié)果，表中數(shù)值表示添加噪聲前后的數(shù)據(jù)距離。從表中結(jié)果可以看出，當(dāng)ε為1.25時(shí)，三種算法的結(jié)果接近，其他情況時(shí)，改進(jìn)的差分隱私保護(hù)模型結(jié)果要更好些。

4 結(jié)論

文章針對(duì)大數(shù)據(jù)交互式查詢過(guò)程中存在的差分隱私保護(hù)問(wèn)題和隱私檢測(cè)效率偏低的問(wèn)題，結(jié)合大數(shù)據(jù)交互式線性查詢特點(diǎn)和差分隱私保護(hù)特點(diǎn)，通過(guò)引入關(guān)聯(lián)模型減少冗余信息的計(jì)算，采用交替方向乘子法對(duì)查詢負(fù)載矩陣進(jìn)行分解，并采用自適應(yīng)加噪技術(shù)生成差分隱私模型所需的噪聲數(shù)據(jù)，最后采用實(shí)驗(yàn)驗(yàn)證了本文模型的有效性。