(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210795795.4 (22)申请日 2022.07.07 (65)同一申请的已公布的文献号 申请公布号 CN 114884682 A (43)申请公布日 2022.08.09 (73)专利权人 湖南工商大 学 地址 410000 湖南省长 沙市岳麓区岳麓 大 道569号 (72)发明人 魏建好　李小龙　李闯　杨俊丰　 叶松涛　 (74)专利代理 机构 湖南正则奇美专利代理事务 所(普通合伙) 4310 5 专利代理师 张继纲 (51)Int.Cl. H04L 9/32(2006.01) H04L 9/40(2022.01)G06F 21/62(2013.01) G06K 9/62(2022.01) (56)对比文件 CN 109543842 A,2019.0 3.29 CN 113207120 A,2021.08.0 3 CN 112883064 A,2021.0 6.01 CN 110087237 A,2019.08.02 Jianhao Wei ET AL. . 《Differential Privacy-Based L ocation Protecti on in Spatial Cro wdsourci ng》 . 《IEEE Transacti ons on Services Computi ng》 .2019, Fen li ET AL. . 《Personalized Data Collection Based o n Local Dif ferential Privacy i n the Mobi le Crowdsensing》 . 《2020 IEEE 6th Internati onal Conference o n Computer and Com munications (ICCC)》 .2021, 审查员 陈孟奇 (54)发明名称 基于自适应本地差分隐私的群智感知数据 流隐私保护方法 (57)摘要 本发明公开了基于自适应本地差分隐私的 群智感知数据流隐私保护方法， 涉及群智感知网 络技术领域， 解决了现有技术无法保证多源群智 感知数据流的安全性和可用性的技术问题； 本发 明包括： 步骤1： 基于自适应采样机制， 自适应动 态调整采样频率； 步骤2： 采用非线性隐私预算分 配方法为不同采样点个性化分配隐私预算； 步骤 3： 基于多重哈希的自适应桶划分方法， 将高相关 性的数据流划分到相同桶内； 步骤4： 提出自适应 本地差分隐私机制， 将桶内数据流进行随即应答 扰动； 基于差分隐私的特性， 本发明扰动的满足 ϵ‑本地差分隐私， 在确保多源群智感知数据流的 自适应保护的前提下， 实现高数据可用性。 权利要求书3页 说明书11页 附图4页 CN 114884682 B 2022.09.13 CN 114884682 B 1.基于自适应本地差分隐私的群智感知数据流隐私保护方法， 其特 征在于， 包括： 步骤1： 在本地将 感知用户的多源群智感知数据流划分成若干个采样窗口， 在若干所述 采样窗口内自适应调整采样频率， 并获取对应的采样数据流； 步骤2： 基于非线性隐私预算分配模型， 根据采样点的动态变化， 为不同采样点分配个 性化分配隐私预算； 步骤3： 基于多重哈希 的自适应桶划分方法， 计算所述采样数据流的时空相关性， 并采 用多重哈希映射将所述采样数据流映射成哈希表； 基于所述哈希表确定桶号， 将具有相关 性的所述采样数据流划分到相同桶中； 步骤4： 基于多重哈希自适应本地差分机制， 采用随机应答概率方法对多重哈希映射获 取的桶数据流进行扰动； 通过滤波器过滤修正扰动的所述桶数据流， 将处理之后的多源感 知数据流进行发布。 2.根据权利要求1所述的基于自适应本地差分隐私的群智感知数据流隐私保护方法， 其特征在于， 将PID控制原理和所述采样窗口中相邻采样点对应数据的绝对误差确定对应 的所述采样频率， 所述 步骤1包括： 通过公式 获取相邻采样点对应数据的绝对误差 ； 其中， 为感 知用户 的群智感知数据流 在采样窗口内当前采样点的数据， 为上 一个采样点数据； 结合PID控制原理， 定义自适应采样频率计算公式为： ； 其 中， 为比例系数， 且 ， 为感知用户提前设定的初始采样频率， 为上一时刻的采样 频率， 为当前采样点分配的隐私预算； 根据自适应采样频率计算公式调 整所述采样窗口对应的所述采样频率， 并获取所述采 样数据流。 3.根据权利要求1所述的基于自适应本地差分隐私的群智感知数据流隐私保护方法， 其特征在于， 结合非线性隐私预算分配方法和总隐私预算确定所述采样窗口中采样点对应 的所述隐私预算， 所述 步骤2包括： 基于非线性函数建立采样点对应的所述采样频率和所述隐私预算的函数关系， 具体 为： ； 其中， 为比例系数， 且 ， 为隐私预算比例； 在所述采样窗口内， 当前采样点之前剩余的隐私预算 为： ； 其 中， 是采样点 分配的隐私预算， ， 为总隐私预算， 对应采样窗 口； 则当前采样点 分配的隐私预算 为： 。 4.根据权利要求1所述的基于自适应本地差分隐私的群智感知数据流隐私保护方法， 其特征在于， 基于 欧几里得距离和Pearson相关性系数确 定所述采样数据流之间的时空相权　利　要　求　书 1/3 页 2 CN 114884682 B 2关性， 采用多重哈希方法自适应将具有相关性的采样数据流划分到相同桶内， 所述步骤3包 括： 获 取 所 述 采 样 数 据 流 和 ，并 分 别 标 记 为 和 ； 其中， 和 分别表示采样数据流 对应的经度和 纬度； 基 于 欧 几 里 得 距 离 方 法 ， 采 样 数 据 流 和 的 空 间 相 关 性 为 ： ； 基 于 Pea rs o n 相关 性方法 ， 采 样数 据流 和 的 时 间 相关 性 为 ： ； 其中， 为 和 的协方差， 和 分别为 和 的标准差； 根据时间相关性和空间相关性获取采样数据 流 和 之间的时空相关性 ； 其中， ， 和 分别为设定的空间相关性和时间相关性对应的权 重； 设定空间映射函数集以及对应的截断阈值集； 定义自适应相关性阈值， 将时空相关性 大于阈值的所述采样数据流采用相同的空间映射函数进行多重哈希映射， 获取对应的二进 制哈希表， 将哈希 表的唯一行向量作为桶号； 通过哈希函数计算所述哈希表每行数据的哈希值； 根据 所述哈希值将具有相关性的所 述采样数据流划分至相同的桶中。 5.根据权利要求4所述的基于自适应本地差分隐私的群智感知数据流隐私保护方法， 其特征在于， 基于自适应多重哈希本地差 分隐私机制将所述桶内采样数据流进行随机应答 扰动， 所述 步骤4包括： 提出多重哈希自适应本地差分隐私机制， 给定桶 中的采样群智感知数据流 及其分配的隐私预算 ， 对任意扰动输出 ， 若隐私机制 满足 ‑多重哈希自适应 本地差分隐私当且仅当： 其中， 表示两个隐私预算 和 的绝对差值； 桶 中采样数据流 被映射为一个 维二进制向量 ， 其中m为权　利　要　求　书 2/3 页 3 CN 114884682 B 3