计算机应用

作者：马方方, 刘树波, 熊星星, 牛晓光

单位：武汉大学 计算机学院, 武汉 430072

关键词：可穿戴设备,不可信第三方,本地差分隐私,个性化,归一化

基金：国家自然科学基金资助项目（61872431）；湖北省技术创新重大专项（2018AAA046）；武汉市应用基础研究计划项目（2017060201010162）。

针对数据服务器不可信时，直接收集可穿戴设备多维数值型敏感数据有可能存在泄露用户隐私信息的问题，通过引入本地差分隐私模型，提出了一种可穿戴设备数值型敏感数据的个性化隐私保护方案。首先，通过设置隐私预算的阈值区间，用户在区间内设置满足个人隐私需求的隐私预算，同时也满足了个性化本地差分隐私；其次，利用属性安全域将敏感数据进行归一化；最后，利用伯努利分布分组扰动多维数值型敏感数据，并利用属性安全域对扰动结果进行归一化还原。理论分析证明了该算法满足个性化本地差分隐私。实验结果表明该算法的最大相对误差（MRE）明显低于Harmony算法，在保护用户隐私的基础上有效地提高了不可信数据服务器从可穿戴设备收集数据的可用性。

来源：2019年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第7期