软件学报

作者：欧阳佳，印鉴，肖政宏，赵慧民，刘少鹏，梁鹏，肖茵茵

单位：欧阳佳，广东技术师范大学 计算机科学学院, 广东 广州 51066511,印鉴，中山大学人工智能学院, 广东 广州 51000602,肖政宏，广东技术师范大学 计算机科学学院, 广东 广州 51066503,赵慧民，广东技术师范大学 计算机科学学院, 广东 广州 51066504,刘少鹏，广东技术师范大学 计算机科学学院, 广东 广州 51066505,梁鹏，广东技术师范大学 计算机科学学院, 广东 广州 51066506,肖茵茵，广东技术师范大学 计算机科学学院, 广东 广州 51066507

关键词：隐私保护;数据收集;事务数据;本地差分隐私;隐私参数

基金：国家自然科学基金（61702119，U1711262，U1501252，U1711261）；广州市科技计划（201804010236，201607010152）；广东省基础与应用基础研究基金（2019A1515012048）；广东省教育厅创新团队项目（2017KCXTD021）

事务数据常见于各种应用场景中，如购物记录、页面浏览历史等.为了提供更好的服务，服务提供商收集用户数据并进行分析，但收集事务数据会泄露用户的隐私信息.为了解决上述问题，基于压缩的本地差分隐私模型，提出一种事务数据收集方法.首先，定义了一种新的候选项集分值函数；其次，基于该函数，将候选项集的样本空间划分为多个子空间；然后，随机选择其中一个子空间，基于该子空间随机生成事务数据并发送给不可信的数据收集者；最后，考虑到隐私参数的设置问题，基于最大后验置信度攻击模型设计启发式隐私参数设置策略.理论分析表明，该方法能够同时保护事务数据的长度与内容，满足压缩的本地差分隐私要求.实验结果表明，与目前最优的工作相比，所收集的数据具有更高的效用性，隐私参数设置更具有语义性.

来源：2021年第11期

《软件学报》期刊编辑部

查看软件学报杂志2021年第11期