[发明专利]一种模式信息损失最小化的序列类数据隐私保护方法

权利要求书

1.一种模式信息损失最小化的序列类数据隐私保护方法，其特征在于该方法的步骤如下：

1)建立一个广义的时间序列模式定义模型，根据这个模型以及实际应用的模式挖掘任务需求，选择符合实际应用需求的模式定义函数集；

2)根据步骤1)中提出的模式定义函数集，确定模式映射函数，时间序列的属性分为标识属性，QI属性和敏感属性三种，时间序列的模式特征由模式映射函数基于QI属性来进行提取；

3)根据时间序列的属性值以及时间序列的模式特征，定义隐私攻击类型，构建(k，P)匿名模型以保护时间序列数据隐私；

4)根据上述步骤2)中所述的时间序列的模式特征，衡量整个原始数据集中任意两条时间序列之间的模式相似性，构建P子组，以达到模式信息损失最小化的效果；

5)基于步骤4)中形成的P子组，分析任意两个P子组之间的QI属性值的相似性，以自底向上的聚类方式对P子组进行聚类，形成k匿名组，使得原始数据集最终满足(k，P)匿名模型的要求；

6)定义(k，P)匿名模型的信息损失衡量策略，并分析其隐私泄露概率，完成对(k，P)匿名模型的可用性评估，同时根据分组结果，对时间序列数据进行属性值的泛化，完成数据发布。

2.根据权利要求1所述的一种模式信息损失最小化的序列类数据隐私保护方法，其特征在于：步骤1)中选用的模式定义模型，兼容已有文献中所有的模式定义方式，对于一条具体的时间序列r，其模式定义函数集形式化为p(r)＝<f₁，f₂，...，f_m>，m为系统变量，其中，f_i(1≤i≤m)为任意两个或两个以上属性的相关性函数。

3.根据权利要求1所述的一种模式信息损失最小化的序列类数据隐私保护方法，其特征在于：步骤2)中的模式特征应满足以下两个条件：a)由原始时间序列经过特定的模式映射函数得出；b)可根据该模式特征对原始时间序列的模式进行重建。模式特征从QI属性中提取，并作为一种独立的形式发布。要求模式映射函数能够使得重建后的模式与原始时间序列模式的差异最小。

4.根据权利要求1所述的一种模式信息损失最小化的序列类数据隐私保护方法，其特征在于：步骤3)中构建的(k，P)匿名模型是一个双层隐私保护模型，其具体含义如下：

a)在第一层约束中，整个原始数据集被要求在QI属性上满足k匿名的条件；

b)在第二层约束中，在每一个k匿名组内，要求每一条时间序列的模式特征都至少与其他P-1条时间序列相同。

5.根据权利要求1所述的一种模式信息损失最小化的序列类数据隐私保护方法，其特征在于：步骤4)中提到的模式特征的相似性衡量方式严重依赖于模式映射函数以及攻击者的背景知识。

6.根据权利要求1所述的一种模式信息损失最小化的序列类数据隐私保护方法，其特征在于：步骤6)中提到的信息损失，包括属性值信息损失以及模式信息损失两部分，属性值信息损失由于属性值泛化而产生，模式信息损失是指原始时间序列的模式与根据模式特征重建的模式之间的差异，在(k，P)匿名模型约束下，证明在最坏情况下的隐私泄露概率为1/P。