结合差分隐私与安全聚集的联邦空间数据发布方法

作     者：张治政 张啸剑 王俊清 冯光辉 ZHANG Zhizheng;ZHANG Xiaojian;WANG Junqing;FENG Guanghui

作者机构：河南财经政法大学计算机与信息工程学院郑州450046 郑州市人工智能安全与隐私保护重点实验室(河南财经政法大学)郑州450046 广州大学计算机科学与网络工程学院广州510006 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2024年第44卷第9期

页      面：2777-2784页

学科分类：0839[工学-网络空间安全] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(62072156 91746115 61502146 91646203) 

主　　题：联邦分析 分布式差分隐私 安全聚集 空间数据发布 四分树 

摘      要：针对联邦空间数据的数据孤岛问题、空间数据索引问题以及发布联邦空间数据存在的隐私问题,提出基于动态四分树的联邦空间数据发布(FSP)方法。首先,在FSP方法的每轮迭代中,服务端把四分树副本共享给该轮中每个客户端,每个客户端利用四分树副本编码自身位置数据,利用Polya分布产生离散噪声在本地扰动编码结果;其次,结合容错学习(LWE)生成本地掩码对噪声结果进行加密;再次,安全聚集端结合该轮迭代中每个客户端的报告值,执行安全聚集与消除掩码操作,然后把聚集结果发送给服务端;最后,服务端结合收集的编码向量与噪声方差自底向上地动态修剪四分树结构。在Beijing、Checkin、NYC和Landmark 4个空间数据集上的实验结果表明,FSP方法在保证客户端隐私的同时,与已有的较好的联邦空间数据发布方法AHH(Adaptive Hierarchical Histograms)相比,在隐私预算为1.8时,FSP的均方误差(MSE)分别降低了3.80%、2.96%、7.51%和14.13%。可见使用FSP方法进行联邦空间数据发布的精度优于同类方法。