[发明专利]一种面向多视图聚类挖掘的个性化隐私保护方法

权利要求书

1.一种面向多视图聚类挖掘的个性化隐私保护方法，其特征在于，包含以下步骤：

步骤一定义隐私关系；隐私数据集合D中的一条记录为多重组d＝(d₁,d₂,…,d_n)，序偶d_i＝a_i,s_i∈d，a_i为字段A_i上的原始数据值，s_i为a_i对应的隐私度；称卡氏积D×D的下述子集为D上的隐私关系：

R＝{d,d'|d,d'∈D,d_i＝a_i,s_i∈d,d'_i＝a'_i,s'_i∈d'，且s_i≥s'_i}；若D上d和d'具有隐私关系，即d,d'∈R，记为：d_≥d'；

步骤二输入隐私数据集合D，包括每个视图数据X⁽ⁱ⁾，i＝1,2,3,4，原始数据记录表和对应的隐私度记录表聚类簇数目期望值K，调节参数γ；

初始化隐私线序集Q为空，置偏序隐私层L＝1，并生成隐私偏序集D',R'；其中，记A'＝(A_i,A_i+1,……,A_i+k)为原始数据模型A的一个属性子集(k≤n)，对应的隐私度子模式为S'＝(S_i,S_i+1,……,S_i+k)，D中每条记录去掉A'和S'中未出现的属性字段后所得的子集记为D'，并设R'为D'上的隐私关系，则称序偶D',R'为隐私偏序集合，简称隐私偏序；若数据集合对于隐私数据b∈B，且B中不存在隐私数据x，使得b≠x且b≥x，那么隐私数据b∈B称为B的一个极小隐私元；B的所有极小隐私元构成的集合为B的极小隐私集；隐私数据集合的第一个极小隐私集对应的偏序隐私层数为1，删掉第一个极小隐私集后，剩余数据集的极小隐私集对应的层数为2，依次类推，层数逐次增加1，直到删完所有数据为止；

步骤三判断D是否为空，若为空则得到隐私线序集Q，Q中存储三类值：隐私数据记录指针、偏序隐私层号和相对隐私秩，若D不为空执行下一步；

步骤四求解D的极小隐私集E，置E'＝E，计算e在E内的相对隐私秩；其中，极小隐私集E中隐私秩最小的隐私数据e为B的一个首隐私极元；记隐私数据d的隐私秩为：

式中，d和d'为给定含n个属性的两条隐私数据,二者对应各属性的隐私度分别为s＝(s₁,s₂,…,s_n)和s'＝(s'₁,s'₂,…,s'_n)；|·为求给定隐私数据的隐私秩的专用符号；符号表示若x＞0，则置x＝0；sign(·)为符号函数；

步骤五任选E'内一个首隐私极元e,并置Q队尾节点的记录指针指向e，层数为L，置相对隐私秩为|e；置E'＝E'-{e}，判断E'是否为空，若不为空，反复本步骤；

步骤六置D＝D-E，偏序隐私层数L＝L+1，判断D是否为空，若不为空返回步骤三；

步骤七从步骤二中得到每个视图数据X⁽ⁱ⁾，i＝1,2,3,4，聚类簇数目期望值K，调节参数γ；

步骤八随机填充聚类指示矩阵G使得每行恰有一个1，其余全为0；生成对角矩阵D⁽ⁱ⁾；

步骤九计算对角矩阵λ⁽ⁱ⁾为权重；

步骤十更新聚类中心矩阵

步骤十一更新聚类指示矩阵G：

步骤十二更新对角矩阵其中e^(i)j是E⁽ⁱ⁾＝X⁽ⁱ⁾-GC⁽ⁱ⁾的第j行；

步骤十三更新权重其中：

H⁽ⁱ⁾＝Tr{(X⁽ⁱ⁾-C⁽ⁱ⁾G^T)D⁽ⁱ⁾(X⁽ⁱ⁾-C⁽ⁱ⁾G^T)^T}；

步骤十四重复步骤七至步骤十三，直至收敛或超过设定的执行次数；

步骤十五得到聚类指示矩阵G，各视图的聚类中心矩阵C⁽ⁱ⁾及权重λ⁽ⁱ⁾，i＝1,2,3,4；

步骤十六对S进行主成分分析，取第一主成分系数u⁽¹⁾＝(u₁,u₂,…,u_n)作为属性敏感度；

步骤十七求S每行记录s_j＝(s_j1,s_j2,…,s_jn)的元组敏感度置T_s＝(S₁,S₂,…,S_m)^T；

步骤十八记第i个视图的样本矩阵表示为X⁽ⁱ⁾，构造如下所示的多视图K-均值聚类目标函数：

式中，C⁽ⁱ⁾为第i个视图的聚类中心矩阵；G为聚类指示矩阵，由约束条件知，其每行恰有一个1，其余全为0，若G_jk＝1，表明第j个样本在第k个聚类簇中；λ⁽ⁱ⁾为第i个视图的权重；γ是控制权重分布的调节参数；M为视图个数，本发明包括原始数据、隐私度、元组敏感度和隐私线序集等4个视图；

置X⁽¹⁾＝A，X⁽²⁾＝S，X⁽³⁾＝T_s，X⁽⁴⁾＝Q，X＝{X⁽ⁱ⁾|i＝1,2,3,4}；

步骤十九分别以平均偏序隐私层号和平均相对隐私秩为主、次关键字，对聚类簇降序排序，排序后的聚类簇序列记为V＝(v₁,v₂,…,v_K)；

步骤二十产生K以内可重复的K个随机正整数序列R，并降序排序得R＝(r₁,r₂,…,r_K)；

步骤二十一定义数据集合A'，用以存放匿名后的数据，并置A'为空；

步骤二十二取A中的第t条记录a_t；基于G，查找a_t所属聚类簇v_p；求v_p的平均隐私度avg_p；取a_t的隐私度高于avg_p属性作为敏感属性，其余作为准标识符；对a_t进行r_p-匿名操作，匿名后的记录存入A'；重复步骤二十二m次，然后输出保护后的发布数据A'。