[发明专利]基于异方差差分和K-匿名机制的医疗数据隐私保护方法

权利要求书

1.一种基于异方差差分和K-匿名机制的医疗数据隐私保护方法，其特征在于，包括如下步骤：

a)处理医疗数据，将医疗数据中的数据标识符删除，把医疗数据中的离散属性用固定整数表示，将医疗数据全部数字化后得到原始医疗数据D’；

b)将原始医疗数据D’作为训练数据，利用python的scikit-learn库，构建CART决策树，通过pydot库将生成的决策树导出为dot文件，根据导出的dot文件计算CART决策树的树深度m，初始化CART决策树权重，CART决策树的第y层权重为m-y，最后一层权重为0，原始医疗数据D’中具有n个属性类型通过x₁,x₂,x₃...x_n表示，根据各类属性所在的CART决策树中的层数计算n个属性类型x₁,x₂,x₃...x_n所占初始权重X₁,X₂,X₃...X_n；

c)根据公式将初始权重X₁,X₂,X₃...X_n进行归一化，得到各属性类型的最终权重，式中min(X)为初始权重X₁,X₂,X₃...X_n中的最小值，max(X)为初始权重X₁,X₂,X₃...X_n中的最大值；

d)用户自定义K-anonymity机制的隐私参数K，将原始医疗数据D’中除标签外所有离散属性进行泛化处理，其中泛化处理的步骤为；

d-1)创建空的待泛化队列W，将原始医疗数据D’中除标签外所有离散属性加入待泛化队列W；

d-2)从待泛化队列W中选取一个待泛化的属性，依据选取的待泛化的属性对原始医疗数据D’进行属性泛化分裂，得到新的属性值组合；

d-3)对泛化分裂得到的新的属性值组合进行K-anonymity机制验证，如果每个新的属性值的数据数目均大于等于隐私参数K，则认为满足K-anonymity机制，将泛化后的数据保存至原始医疗数据D’，如果每个新的属性值的数据数目均小于隐私参数K，则认为泛化分裂失败，将步骤d-2)中选取的待泛化的属性从待泛化队列W中删除；

d-4)重复步骤d-2)和d-3)，直至步骤d-2)中待泛化队列W中待泛化的属性全部逐一不重复的选取过；

d-5)保存泛化完的数据；

e)定义空集合A，将初始权重X₁,X₂,X₃...X_n从小到大排列后映射到A集合中得到A₁,A₂,A₃...A_n,定义A集合的中间点为A_mdi、高权重分界点为A_s、低权重分界点为A₁，令令当X_i≥A_s时，第i个属性的具体数值x_i的取值范围为当A_l≤X_i≤A_s时，第i个属性的具体数值x_i的取值范围为当X_i≤A_l时，第i个属性的具体数值x_i的取值为x_up为泛化后离散属性范围的上界，x_down为泛化后离散属性范围的下界；

f)根据各初始权重X₁,X₂,X₃...X_n，对其数据整体进行差分隐私保护的异方差加噪操作，加噪操作如下：当X_i≥A_s时，当A_l≤X_i≤A_s时，当X_i≤A_l时，式中Lap为拉普拉斯噪声，Δf为差分隐私保护技术中定义的敏感度；

g)将加噪后的数据进行保存，记为医疗数据D-M；

h)将医疗数据D-M以1:2的比例划分测试集和训练集，将训练集放入利用tensorflow和pytorch搭建的深度神经网络模型中训练得到训练模型，再将测试集放入训练模型中得到预测标签，用得到的预测标签与测试集的原数据D’中的标签做对比，得到训练准确度。