基于概率主成分分析的差分隐私数据发布方法

顾贞， 张国印，，宋蕾

(1.哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨 150001；2.黑龙江东方学院 基础教学研究部，黑龙江 哈尔滨 150066；3.山东科技大学 计算机科学与工程学院，山东 青岛 266590)

随着科学技术的发展，通过各种智能设备搜集和存储数据的能力越来越强，对这些数据进行分析挖掘可以很好的为人们的生活服务。但是这些数据往往包含敏感的个人信息，如果直接将数据发布出去，将会泄露个人隐私。平衡发布数据的可用性和隐私性的研究成为近些年研究的热点，隐私保护的数据发布就是将原始数据进行变换使得发布的数据能够满足人们用来分析挖掘的需求并且避免隐私泄露。

隐私保护技术有匿名方法、抑制方法等，但都容易遭受具有背景知识的攻击，而差分隐私可以抵抗攻击者具有任何背景知识的攻击，差分隐私是将原始数据加入随机噪声，从概率意义上使得攻击者无法区分原始输入数据，因此，基于差分隐私的数据发布机制的研究成为近年来研究的热点[1-5]。

大数据时代搜集到的数据具有量大，维度高且有相关性等特点，通常所用的主成分分析(principal component analysis,PCA)方法是利用降维的思想，研究如何通过少数几个综合隐变量来解释原来变量的绝大多数信息的一种多元统计分析方法，是非概率的方法，其对应的生成式方法叫做概率主成分分析(probabilistic PCA，PPCA)，可以构建一个概率模型，得到原始高维变量和低维隐变量之间的关系式。Dwork[6]中提……