-
公开(公告)号:CN109902506A
公开(公告)日:2019-06-18
申请号:CN201910015907.8
申请日:2019-01-08
Applicant: 中国科学院软件研究所
IPC: G06F21/62
Abstract: 本发明涉及一种多隐私预算的本地差分隐私数据分享方法和系统,提出了在本地差分隐私应用场景下,由用户自己决定隐私预算因子的框架。本发明在已有本地差分隐私协议基础上,添加了让用户首先确认自身隐私因子的步骤,数据收集者依据所有用户提交的隐私因子的分布得到分桶,用户依据分桶结果形成群组,每个群组的用户最终提交的扰动数据会使用相同的隐私因子,该隐私因子会小于等于用户原始提交的隐私因子,从而满足用户的隐私需求。数据收集者通过最大似然等方法计算出较为精准的统计结果,并且其准确度能够得到数学证明。本发明能直接应用到已有的本地差分隐私算法如RAPPOR,SH协议中,易于实现。
-
公开(公告)号:CN119808134A
公开(公告)日:2025-04-11
申请号:CN202311305985.4
申请日:2023-10-10
Applicant: 中国科学院软件研究所
IPC: G06F21/62 , H04L67/52 , H04L9/40 , G06F16/9537
Abstract: 本发明设计了一种面向位置数据的本地差分隐私保护方法和系统,提出了在本地差分隐私应用场景下,采集用户位置信息和统计整个区域用户分布的高效方法。本发明使用了两阶段采集策略,第一阶段使用离散型本地差分隐私算法采集全域地图的用户分布信息,第二阶段使用连续型本地差分隐私算法采集用户密度分布高的区域的精确分布信息。该连续型本地差分隐私算法由本发明首先提出。最后,收集者通过最大似然和EM算法等方式,结合两阶段估计结果,协同计算出用户位置分布。该采集策略可证明满足差分隐私,并拥有精确的分布估计结果。本发明采用客户端和服务端架构,数据存储、处理、传输、发布模块清晰,易于实现集成。
-
公开(公告)号:CN117932168A
公开(公告)日:2024-04-26
申请号:CN202311802127.0
申请日:2023-12-26
Applicant: 中国科学院软件研究所
IPC: G06F16/9537 , G06F16/9535 , G06F18/241 , G06N3/0455 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于用户偏好表示的轨迹‑用户链接方法及系统,所述方法包括:将样本轨迹对应的空间进行网格化处理,并使用网格中心坐标代替样本轨迹中位置点的坐标;基于每一网格的用户访问频率分布,生成该网格的用户偏好特征向量;针对一未知用户轨迹,基于该未知用户轨迹上所有位置点所涉及的用户偏好特征向量,生成该未知用户轨迹的表示矩阵;对所述表示矩阵进行分类,以将该未知用户轨迹链接到对应用户。本发明能够在不同采样频率的轨迹数据上提取有效的用户偏好特征,从而提升位置点表示的质量,使得整体方案获得更好的效果。
-
公开(公告)号:CN117349896B
公开(公告)日:2024-02-06
申请号:CN202311649483.3
申请日:2023-12-05
Applicant: 中国电子科技集团公司第十研究所 , 中国科学院软件研究所
Abstract: 本发明涉及信息安全技术领域,公开了一种基于敏感分级的数据收集方法、分析方法及分析系统,该数据收集方法,将真实数据根据敏感程度分级,使客户端在扰动真实数据时依据数据的敏感分级采用不同的扰动策略。本发明解决了现有技术存在的扰动数据的统计分析准确性等问题。
-
公开(公告)号:CN117349896A
公开(公告)日:2024-01-05
申请号:CN202311649483.3
申请日:2023-12-05
Applicant: 中国电子科技集团公司第十研究所 , 中国科学院软件研究所
Abstract: 本发明涉及信息安全技术领域,公开了一种基于敏感分级的数据收集方法、分析方法及分析系统,该数据收集方法,将真实数据根据敏感程度分级,使客户端在扰动真实数据时依据数据的敏感分级采用不同的扰动策略。本发明解决了现有技术存在的扰动数据的统计分析准确性等问题。
-
公开(公告)号:CN109902506B
公开(公告)日:2021-02-26
申请号:CN201910015907.8
申请日:2019-01-08
Applicant: 中国科学院软件研究所
IPC: G06F21/62
Abstract: 本发明涉及一种多隐私预算的本地差分隐私数据分享方法和系统,提出了在本地差分隐私应用场景下,由用户自己决定隐私预算因子的框架。本发明在已有本地差分隐私协议基础上,添加了让用户首先确认自身隐私因子的步骤,数据收集者依据所有用户提交的隐私因子的分布得到分桶,用户依据分桶结果形成群组,每个群组的用户最终提交的扰动数据会使用相同的隐私因子,该隐私因子会小于等于用户原始提交的隐私因子,从而满足用户的隐私需求。数据收集者通过最大似然等方法计算出较为精准的统计结果,并且其准确度能够得到数学证明。本发明能直接应用到已有的本地差分隐私算法如RAPPOR,SH协议中,易于实现。
-
-
-
-
-