-
公开(公告)号：CN107493268B
公开(公告)日：2019-05-31
申请号：CN201710623267.X
申请日：2017-07-27
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于前位置矢量的位置数据保护方法，由于位置数据的高维度、时空相关性、以及背景知识丰富等特点，使得位置数据的隐私保护面临着与传统隐私保护不同的挑战，针对位置数据隐私保护，本发明运用了差分隐私保护的方法，从矢量出发，向距离和角度两个维度分别添加随机噪声，实现ε‑差分隐私保护。经差分隐私保护处理后发布的位置数据，既保护了用户的个人隐私，又保证位置数据的可用性。
-
公开(公告)号：CN109241774A
公开(公告)日：2019-01-18
申请号：CN201811090763.4
申请日：2018-09-19
Applicant: 华中科技大学
Abstract: 本发明公开了一种差分隐私空间分解方法，包括：获取d维点数据集，根据该d维点数据集生成用于构建β树的完整域Ω、以及该完整域Ω中的点计数cnt，并从包括拉普拉斯噪声的文件中读取所有拉普拉斯噪声数据，利用得到的完整域Ω、以及该完整域Ω中的点计数cnt创建d维点数据集的β树，在创建好的β树的每个叶子节点的点计数中增加拉普拉斯噪声数据中的任意一个乘以噪声系数后得到的乘积，其中对于不同的叶子节点而言，选择使用不同的拉普拉斯噪声数据。本发明能够解决现有基于普拉斯分布的差分隐私空间分解方法存在的中间节点的隐私容易暴露、区域分解不精确导致噪声代价高、以及难以准确确定空间分解隐私树的深度的技术问题。
-
公开(公告)号：CN107493268A
公开(公告)日：2017-12-19
申请号：CN201710623267.X
申请日：2017-07-27
Applicant: 华中科技大学
CPC classification number: H04L63/0421 , H04L63/0428 , H04L67/18 , H04W4/029 , H04W12/02
Abstract: 本发明公开了一种基于前位置矢量的位置数据保护方法，由于位置数据的高维度、时空相关性、以及背景知识丰富等特点，使得位置数据的隐私保护面临着与传统隐私保护不同的挑战，针对位置数据隐私保护，本发明运用了差分隐私保护的方法，从矢量出发，向距离和角度两个维度分别添加随机噪声，实现ε-差分隐私保护。经差分隐私保护处理后发布的位置数据，既保护了用户的个人隐私，又保证位置数据的可用性。
-
公开(公告)号：CN109241774B
公开(公告)日：2020-11-10
申请号：CN201811090763.4
申请日：2018-09-19
Applicant: 华中科技大学
Abstract: 本发明公开了一种差分隐私空间分解方法，包括：获取d维点数据集，根据该d维点数据集生成用于构建β树的完整域Ω、以及该完整域Ω中的点计数cnt，并从包括拉普拉斯噪声的文件中读取所有拉普拉斯噪声数据，利用得到的完整域Ω、以及该完整域Ω中的点计数cnt创建d维点数据集的β树，在创建好的β树的每个叶子节点的点计数中增加拉普拉斯噪声数据中的任意一个乘以噪声系数后得到的乘积，其中对于不同的叶子节点而言，选择使用不同的拉普拉斯噪声数据。本发明能够解决现有基于普拉斯分布的差分隐私空间分解方法存在的中间节点的隐私容易暴露、区域分解不精确导致噪声代价高、以及难以准确确定空间分解隐私树的深度的技术问题。
-
-
-
Search Results
4
records
(took 0.069 seconds)
