一种面向LDP的政府民意数据隐私保护方法

为了保护政府民意调查中存在的隐私信息,提出了基于本地化差分隐私(LDP)的政务数据共享方法B-RAPPOR.上述方法在算法RAPPOR的基础上引入了数据分箱思想,通过等宽分箱将数据记录分入更小的数据域范围内,以克服当前LDP方法在数据域较大且数据量较少时统计误差大的问题.将B-RAPPOR与RAPPOR算法分别从频数估计、误差分析两方面进行了实验对比与分析.结果表明,经过B-RAPPOR隐私处理得到的数据相较于RAPPOR具有更好的数据效用性,解决了当前LDP方法在数据域较大时对数据量大小要求严格的问题.其次,以同样通过数据分箱思想改进的BCS、BRR为对照组,将B-RAPPOR算法与其分别从数据规模、隐私预算、数据域大小三方面进行了实验对比与分析.通过上述实验分析,界定了三种不同算法分别适用的场景.