[发明专利]基于聚类匿名化与差分隐私保护的异构用电数据发布方法

权利要求书

1.一种基于聚类匿名化与差分隐私保护的异构用电数据发布方法，其特征在于，包括以下步骤：

根据数据使用者的聚类分析请求，对原始数据集D中的原始用电数据进行聚类处理，得到具有类标签的标签数据集D^*，标签数据集D^*包括多个原始数据记录；

对标签数据集D^*中的数值型属性、分类型属性、集值型属性分别进行泛化处理；

对泛化处理后的数据进行以下匿名处理：按照预定义的分类树对分类型属性数据进行分组，利用拉普拉斯机制对集值型属性数据添加噪声，利用指数机制对数值型属性数据添加噪声，确保数据满足差分隐私，得到匿名数据集D′；

通过在匿名数据集D′上删除任意一条数据记录并添加噪声后获得满足差分隐私的查询集，计算上述查询集与原始数据集的真实查询集的相似度，当该相似度大于0时，发布满足差分隐私保护的数据集给所述数据使用者。

2.如权利要求1所述的方法，其特征在于，采用k-means算法或DBSCAN算法进行聚类处理。

3.如权利要求1所述的方法，其特征在于，标签数据集D^*的原始数据记录中的属性表示为r^*＝{A₁，...，A_d，Class}，其中A表示属性，Class表示每个原始数据记录r_i在标签数据集D^*中的类标签。

4.如权利要求1所述的方法，其特征在于，泛化处理的方法为：使用t-接近划分算法对标签数据集D^*进行层次泛化。

5.如权利要求1所述的方法，其特征在于，泛化处理后，对原始数据记录进行分组，方法为：计算任意属性和类标签之间的信息增益其中Ω(Class)表示属性的域，D_g表示属性值泛化为g的数据记录集合，表示属性值泛化为包含类标签的数据记录集合。

6.如权利要求1所述的方法，其特征在于，按照预定义的分类树对分类型属性数据进行分组时，设置其全局敏感度Δq＝1。

7.如权利要求1所述的方法，其特征在于，对集值型属性进行泛化处理时，其泛化处理产生(2^t-1)个组，其中t为集值型属性对应的分类树中含有的子节点数；对于集值型属性，验证由拉普拉斯机制产生的噪声大小是否大于一阈值，如果分组出的子分区的噪声大小大于一阈值，则子分区将被保留，否则子分区被修剪。

8.如权利要求1所述的方法，其特征在于，利用指数机制对数值型属性数据添加噪声的方法为：通过动态生成或展开相应的分类树，概率性地处理数值型属性，计算数值划分范围内各属性值的效用分数，利用指数机制选择一个属性值g作为数值划分s的概率其中，I(s)表示在划分的分组p范围内的属性值集合，Δq表示查询函数敏感度，∈表示隐私预算参数。

9.如权利要求8所述的方法，其特征在于，当所述相似度小于等于0时，调整隐私预算参数∈，返回满足差分隐私的查询集。

10.如权利要求1所述的方法，其特征在于，相似度计算公式为：

其中，Sim(θ)为相似度；为匿名数据集D′在删除第n条数据记录并添加噪声后获取的满足差分隐私的查询集；f(D)为原始数据集D的真实查询集；k为数据记录总数。