大数据时代,数据发布是信息资源共享的最重要途径之一,然而如果考虑不到数据保护的话,就会导致隐私信息泄露问题,甚至造成严重后果。为有效应对隐私泄露问题,人们通常采用以下几种方式:一是通过失真等降低数据敏感性--数据脱敏;二是通过“去标识化”实现隐私保护--匿名化;三是通过加噪声来抵抗差分攻击--差分隐私。
这其中,数据脱敏简单地删除敏感字段,其使用性差,而且仍然存在隐私泄露隐患。匿名化技术不断被发现存在漏洞和缺陷,其不可靠性比较差。差分隐私技术对比前两者,具有严格的数学模型,安全性级别可量化可证明,是当前最热门的隐私保护技术之一。
对于差分隐私技术,我们不需要掌握它复杂的数学原理,只需要清楚差分隐私技术比较可靠,学会如何应用即可。
下面我们通过一段Python代码来演示。
假设公司提供的人事资料供大家查询,资料中包括姓名和薪水信息,其中姓名是公开的,而薪水是需要隐私保护的。
数据见下表:
姓名
薪水
王二
5000
张三
6000
李四
7000
Python代码的具体实现如下:
import numpy as np # 导入numpy库
def get_noisy_digit(value, epsilon):
# 符合普拉斯分布的噪声
# 数学公式无需完全理解
u = np.random.random() - 0.5
noisy_digit = 0.0 - value/epsilon*np.sign(u)*np.