一种数据流本地差分隐私算法的鲁棒性评估方法及系统

    公开(公告)号:CN119622259A

    公开(公告)日:2025-03-14

    申请号:CN202411729002.4

    申请日:2024-11-28

    Abstract: 本发明一种数据流本地差分隐私算法的鲁棒性评估方法及系统,该方法通过每一时间戳上的算法发布频率分布与算法鲁棒性评估目标分布的接近距离来判断算法的鲁棒性。该方法采用分支判断机制,能够在每一时间戳上自适应地判断数据流本地差分隐私算法进入何种策略能够使得算法的鲁棒性评估得到更优的评估效果。基于该分支判断机制的判断,该方法通过影响数据流本地差分隐私算法的不相似度计算模块使得该隐私算法能够进入评估方期望的策略的方法,分为输入评估与输出评估两种。若数据流本地差分隐私算法进入发布策略,该方法提供了针对发布策略中的频率统计本地差分隐私算法的细粒度算法鲁棒性评估方法,该方法同样分为输入评估与输出评估两种。

    一种持续监控下数据统计结果的本地差分隐私发布方法

    公开(公告)号:CN117610074A

    公开(公告)日:2024-02-27

    申请号:CN202311603883.0

    申请日:2023-11-28

    Abstract: 本发明公开了一种持续监控下数据统计结果的本地差分隐私发布方法,通过充分利用用户预算分配方式和剩余预算取半以及预算吸收的启发式预算分配方法对数据提供者的处理后数据进行聚合统计,显著提高持续监控场景下的数据统计结果的效用。两阶段启发算法通过评估当前时间戳数据的真实统计结果是否较与上一时间戳产生显著波动,提供发布策略选择的关键信息,同时基于数据提供者真实数据对数据收集者不可见的特性,使用约定协议的统计学方差来评估真实误差,在数据收集者无法访问真实数据的场景下合理估计当前聚合统计结果误差,并与惰性发布误差进行比较,选择最合适的发布策略,在确保数据的隐私保护下,显著提高数据的效用,减少通信代价和开销。

Patent Agency Ranking