[发明专利]伪数据生成装置及其方法和程序

说明书

伪数据生成装置包含：随机数生成部，生成各属性的频数分布的比例近似于伪对象数据的各属性的频数分布的比例的第一伪数据；以及数据整形部，使用将伪对象数据的方差协方差矩阵进行乔列斯基分解得到的矩阵或者将伪对象数据的方差协方差矩阵进行奇异值分解得到的扩大缩小矩阵，对第一伪数据进行整形，以使第一伪数据的平均矢量以及相关矩阵与伪对象数据的平均矢量以及相关矩阵一致，且第一伪数据的最小值以及最大值存在于伪对象数据的最小值以及最大值的范围内，并将整形后的第一伪数据设为伪数据。

技术领域

本发明涉及伪数据生成技术。

背景技术

在隐私保护的领域中，在安全等问题中不能处理包含个人信息的原始数据的情况下，有时作为代用，生成伪数据来进行分析等。这里考虑从表形式的原始数据创建表形式的伪数据的情况。表形式的数据的例子如图1所示。

作为从表形式的原始数据创建表形式的伪数据的现有技术，已知非专利文献1、非专利文献2。在这些现有技术中，在为想要创建的伪数据仅具有数值属性的表的情况下，通过将随机数组进行整形以使其能够保持原始数据内的属性间的性质(方差协方差、相关、平均矢量等)，从而生成伪数据。

现有技术文献

非专利文献

非专利文献1：Zhengli Huang,Wenliang Du,and Biao Chen.Deriving privateinformation from randomized data,In Proceedings of the 2005 ACM SIGMODinternational conference on Management of data,pages 37-48.ACM,2005.

非专利文献2：Haoran Li,Li Xiong,and Xiaoqian Jiang.Differentiallyprivate synthesization of multi-dimensional data using copula functions,InAdvances in database technology:proceedings.International Conference onExtending Database Technology,Vol.2014,p.475.NIH Public Access,2014.

发明内容

发明所要解决的课题

但是，在该现有方法中，能够保持平均矢量或相关，但不保持频数分布或各属性的最大值、最小值。因此，存在如下课题：在将数据可视化而分析的情况等之下，原始数据和伪数据之间产生大的背离。

本发明的目的在于，提供能够生成即使在将数据可视化而分析的情况下，也不与原始数据产生大的背离的伪数据的伪数据生成装置及其方法和程序。

用于解决课题的手段

为了解决上述课题，根据本发明的一方式，伪数据生成装置包含：随机数生成部，生成各属性的频数分布的比例近似于伪对象数据的各属性的频数分布的比例的第一伪数据；以及数据整形部，使用将伪对象数据的方差协方差矩阵进行乔列斯基分解(choleskydecomposition)得到的矩阵或者将伪对象数据的方差协方差矩阵进行奇异值分解得到的扩大缩小矩阵，对第一伪数据进行整形，以使第一伪数据的平均矢量以及相关矩阵与伪对象数据的平均矢量以及相关矩阵一致，且第一伪数据的最小值以及最大值存在于伪对象数据的最小值以及最大值的范围内，并将整形后的第一伪数据设为伪数据。