计算机应用

作者：晏燕, 李飞飞, 吕雅琴, 冯涛

单位：兰州理工大学 计算机与通信学院，兰州 730050

关键词：隐私保护,频率估计,混洗差分隐私,盲签名,矩阵运算

基金：国家自然科学基金资助项目(62361036);甘肃省自然科学基金资助项目(22JR5RA279)

混洗差分隐私（SDP）模型能兼顾用户端的隐私保护程度和服务器端发布结果的可用性，更适用于隐私保护的大数据收集和统计发布场景。针对目前SDP频率估计方法的洗牌效率较低和混洗过程安全性不足等问题，进行以下工作：首先，设计基于优化椭圆曲线的混洗差分隐私盲签名算法（SDPBSA），以实现对篡改或伪造信息的鉴别，提高混洗过程的安全性；其次，提出矩阵列重排转置（MCRT）洗牌方法，以利用随机的矩阵列重排和矩阵转置操作实现数据混洗，提高混洗过程的效率；最后，结合上述方法构建完整的SDP频率估计隐私保护框架——SM-SDP （SDP based on blind Signature and Matrix column rearrangement transposition），并通过理论分析讨论它的隐私性和误差级别。在Normal、Zipf和IPUMS （Integrated Public Use Microdata Series）等数据集上的实验结果表明，相较于Fisher-Yates、ORShuffle （Oblivious Recursive Shuffling）和MRS （Message Random Shuffling）等洗牌方法， MCRT洗牌方法的洗牌效率提升了1~2个数量级；相较于mixDUMP、PSDP （Personalized Differential Privacy in Shuffle model）和HP-SDP （Histogram Publication with SDP）等频率估计方法， SM-SDP框架在不同比例恶意数据存在时的均方误差（MSE）降低了2~11个数量级。

来源：2025年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第8期