[发明专利]一种群组隐私信息发现方法及系统

说明书

本发明提供一种群组隐私信息发现方法及系统，基于中继服务器对隐私信息进行保护，在不牺牲聚类质量的前提下，通过中继服务器对用户上传的信息进行DP聚类，同时保护用户上传的敏感信息。其中，聚类操作将从用户的移动设备转移到中继服务器进行，允许用户在提交需求后可以离线，同时避免迭代计算，提升计算效率。根据聚类结果，在满足用户需求的前提下对结果进一步优化，扩大服务的覆盖范围。本发明能较大幅度地降低用户移动设备的计算和通信成本，同时帮助群组服务提供商节约开销和增大覆盖范围。

技术领域

本发明属于信息技术领域，具体涉及一种群组隐私信息发现方法及系统。

背景技术

近年来，随着信息服务化的迅速普及、移动通信技术的快速发展，移动互联网以其便携性和实时性促进了众多新型网络服务模式的发展，其中群组服务更是渗透到人们的日常生活。此类服务通过分析用户提交的需求，为一批需求相似的人群提供服务。服务提供商需要收集用户的部分个人信息或需求，才能为用户找出合适的共享对象，并以群组的方式提供服务。然而，因为服务提供商并不完全可信，这种形式的群组服务存在着巨大的隐私泄露风险。服务提供商根据收集到的用户信息，不仅可以推测出用户的潜在信息，甚至可能将用户提交的信息与潜在信息联系起来，推测出用户的家庭住址、个人偏好、财务状况等敏感信息。因此，如何在提供群组服务功能的同时，有效保护用户提交的数据中蕴含的隐私信息，而不泄露给其他用户和服务提供商是当前面临的主要技术挑战。

目前大多数隐私保护方法使用隐私保护聚类(Privacy-Preserving Clustering,PPC)算法来解决群组服务中的隐私泄露问题。现有的PPC方案采用的隐私保护技术可分为随机化或加密技术两种。随机技术是通过添加噪声来保护敏感数据，加密技术可以在不牺牲聚类质量的情况下实现相对强大的隐私保护。为了寻求隐私与聚类质量之间的平衡，接下来将介绍两种较经典的基于随机或加密技术的隐私保护聚类方法。Agrawal等人首先对数据集添加随机噪声，提出PPC方案(参照R.Agrawal and R.Srikant.Privacy-preservingdata mining[C].Proceedings of the 2000ACM SIGMOD International Conference onManagement of Data,2000,pp.439–450.)；B.Pinkas在数据聚类过程中，利用安全多方计算和同态加密保护用户的隐私信息(参照B.Pinkas.Cryptographic techniques forprivacy-preserving data mining[J].ACM SIGKDD,vol.4,no.2,pp.12–19,2002.)。

现有的隐私保护聚类技术应用于群组服务有以下三点局限性：

1.在现存的群组服务中，为了同时保障隐私保护效果和聚类质量，用户需要保持在线状态，频繁地与服务提供商交互，在每次交互迭代中执行加密和解密操作。这导致用户资源受限的移动设备端仍需承担较大的计算和通信开销。

2.在与位置相关的群组服务中，用户位置通常具有空间正相关性，即处于邻近区域的用户行程数据将以更大概率聚集在同一类中。利用空间正相关性，服务提供商能提升聚类收敛速度。然而，若用户加密位置信息后提交给服务器，服务器很难从密文中快速识别地理位置相近的用户们，并利用空间正相关性加速聚类收敛。

3.多数服务提供商会把某几类用户需求合并为一类需求，在减少服务种类的同时，能有效增加服务覆盖率，然而这与用户需要快速获取服务的实际需求相矛盾，降低用户体验。

发明内容