传感器网络中基于多维分解的隐私数据汇聚方法

摘要

本发明公开了一种传感器网络中基于多维分解的隐私数据汇聚方法。在传感器网络中，一般基于拉普拉斯噪声机制的差分隐私方法可能会因为较大的全局敏感度造成过扰动现象，从而破坏汇聚数据的效用性。本发明提出的方法通过将单一数据流分解为指数权重的多维数据流，并在每一维数据流上根据每一维的局部敏感度和隐私预算添加独立噪声实现差分隐私保护。相比于一般的拉普拉斯噪声机制下的汇聚过程，该方法在保证相同程度用户隐私的同时提供更好的数据效用性。

主权项

传感器网络中基于多维分解的隐私数据汇聚方法，其特征在于，首先对每个时隙产生的监测数据添加由多维分解噪声机制生成的噪声，然后利用生成的数据进行隐私数据汇聚，具体包括以下步骤：Step1初始化：给定维度基数b和全局敏感度g，计算维度数d，计算各维度上的局部敏感度s_i，其中i＝1,2,...,d是分解后的维度；Step2数据获取与分解：通过底层硬件设备直接获取监测数据，得到每个时隙t对应的原始监测值X_t，并将X_t分解成d个分量Step3数据扰动：根据各维度上的局部敏感度s_i和隐私预算ε，在每个对应时隙t生成d个服从拉普拉斯分布且相互独立的噪声分量并将该d个噪声分量对应添加到d个分量上形成d维噪声化结果Step4隐私汇聚：结合上一时隙的d维汇聚结果和当前时隙的d维噪声化结果得到当前时隙的d维汇聚结果Step5数据合成与发布：按照不同的维度权重对各维噪声化结果进行综合得到并对外发布隐私保护的汇聚结果R_t。