科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对健康医疗数据的高敏感性，需要隐私保护强度更高的隐私保护算法。传统隐私保护模型总是因为新型攻击方法的出现而需要不断改进，而差分隐私保护模型对隐私保护水平给出了严格的数学证明和量化评估方法，保证即使在最大背景知识假设下的个体隐私。针对健康医疗数据的数值型数据，提出基于Laplace机制的差分隐私保护方法，而对于非数值型数据，则利用基于指数机制的差分隐私保护方法，设置误差参数δ和满足误差的统计个数θ以进一步满足不同安全性和可用性的需求。对公开的健康医疗数据集进行实验分析，通过调整差分隐私保护参数ε来衡量隐私保护水平，通过实验结果给出不同类型的健康医疗数据的适当的参数取值。
- 单位
