[发明专利]一种面向边缘计算的数据采集隐私保护方法

权利要求书

1.一种面向边缘计算的数据采集隐私保护方法，其特征在于，通过包括用户端、边缘节点、以及中心服务器的系统实现，当用户端所有用户数据映射至各个边缘节点时，针对所有边缘节点执行以下步骤：

步骤Ⅰ、针对每个边缘节点对应的用户，按照预设比例数量随机划分为用户组A、用户组B、用户组C三组；

针对用户组A，从用户组A对应的用户私有集中随机获取一个键值对k,v，对用户组A中键k进行哈希值计算并对哈希值进行扰动，将扰动值、以及哈希函数上传至边缘节点，随后进入步骤Ⅱ；

所述步骤Ⅰ中，对键值对中的键k进行哈希值计算并对哈希值进行扰动，包括以下步骤：

步骤Ⅰ-1、从哈希函数族中随机选取一个输出域为的哈希函数H，得到键值对k,v中键k的哈希值为x＝H(k)；

步骤Ⅰ-2、将哈希值x通过公式，获得扰动值y，其中，Pr[]为概率，ε为本地差分隐私的隐私预算参数，M(x)为扰动函数；

步骤Ⅱ、分别针对各个边缘节点值域内的键k，遍历拥有键k的用户，筛选出所有符合候选条件的用户，对应生成筛选向量，并将筛选向量发送至中心服务器；

中心服务器接收所有边缘节点对应的筛选向量后，对筛选向量进行聚合，生成候选集；

所述步骤Ⅱ具体包括以下步骤：

步骤Ⅱ-1、针对各个边缘节点对应的所有用户，结合步骤Ⅰ中用户上传的扰动值、以及哈希函数，利用公式：c(k)＝|{j|H^j(k)＝y^j}|，筛选出符合候选条件的用户集合，其中，H^j(k)为第j个用户键k的哈希值，y^j为H^j(k)的扰动值，c(k)为符合候选条件的用户j所组成的集合的长度；

步骤Ⅱ-2、边缘节点将筛选出的用户对应的用户私有集组成筛选向量，将筛选向量发送至中心服务器，中心服务器接收所有筛选向量，对筛选向量进行求和得到向量；

步骤Ⅱ-3、针对用户端值域内拥有键k的用户，根据公式：计算键k在对应边缘节点中的出现频数，其中，为用户组A中与键k相关的键值对在边缘节点中的出现频数，n_A为用户组A中所有用户数量，p＝e^ε/e^ε+g-1；

步骤Ⅱ-4、对用户组A中每个键为k的键值对在边缘节点中的出现频率进行排序，将序列前2k_t项的键k取出，构成候选集，其中，k_t为预设的筛选数量；

步骤Ⅲ、随机选取用户组B中的任一用户私有集与所述步骤Ⅱ中获得的候选集取交集，获得交集长度对应的扰动值，将扰动值上传至边缘节点，更新边缘节点中的数据，生成筛选向量，并将筛选向量发送至中心服务器，对筛选向量进行聚合，获取用户私有集的填充长度；

所述步骤Ⅲ中，将用户组B的用户私有集与候选集生成交集S，获得交集S中键为k的键值对在边缘节点中的出现频数S的取值范围为1至2k_t，根据公式：获得交集S中各个元素的填充长度L，填充长度L满足的条件为，小于用户私有集和候选集的交集的长度；

步骤Ⅳ、针对用户组C，将用户组C中的用户私有集长度处理成与填充长度一致的集合，从集合中随机获取一个键值对k,v^*，对键值对中的v^*进行离散，并更新键值对，获得待上传键值对，随后进入步骤Ⅴ；

所述步骤Ⅳ中，包括以下步骤：

步骤Ⅳ-1、针对用户组C，获得用户组C对应的用户私有集与候选集的交集，比较交集长度和填充长度，当交集长度大于填充长度时，将用户私有集截成长度与填充长度相同的集合，并更新用户私有集；

当交集长度小于填充长度时，生成填充项对交集进行填充，并更新用户私有集，随后进入步骤Ⅳ-2；

步骤Ⅳ-2、从更新后的用户私有集中随机获取一个键值对k,v^*，根据公式：对键值对中的值v^*进行离散，更新v^*为v，获得经过离散后的待上传键值对k,v，w.p.为概率；

步骤Ⅴ、将待上传键值对转换为一维向量并进行二次扰动，将二次扰动后的一维向量发送至中心服务器，计算键k在候选集中出现的频率，以及与键k对应的v的均值；

所述步骤Ⅴ中，包括以下步骤：

步骤Ⅴ-1、将待上传键值对k,v中的各个属性通过二次扰动，转换为由1、-1、0组成的一维向量，根据公式：

对一维向量中键k所对应的值v进行二次扰动，其中，a＝e^ε/e^ε+1；

根据公式：

分别对其它位的值v进行二次扰动，其中，y[v]为任意其它位的值v的扰动值，

步骤Ⅴ-2、将扰动后的向量发送至中心服务器；

步骤Ⅴ-3、统计中心服务器上所有用户候选集中的各个键k，以及用户候选集中1、-1的个数，分别记为n₁、n₂，根据公式：

计算并修正键k在候选集中的出现频率，其中，为键k在候选集中的出现频率，此时n_C为用户组C中的用户数量，L为填充长度；

根据公式：

计算键k对应的值v的均值，其中，