差分隐私 JAVA版实现

刚刚醒

于 2024-06-28 14:34:41 发布

阅读量28

点赞数

文章标签： java 开发语言

差分隐私 JAVA版实现

差分隐私(Differential Privacy)是Dwork[3] 在2006年针对数据库的隐私泄露问题提出的一种新的隐私定义。主要是通过使用随机噪声来确保，查询请求公开可见信息的结果，并不会泄露个体的隐私信息，即提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会，简单来说，就是保留统计学特征的前提下去除个体特征以保护用户隐私。
百度出来的所有差分隐私都只是对差分隐私名词的解决，并没有可以实际使用的代码，本人出于对算法的好奇，花了好几天的时间整理，同时也参考了很多其它的例子，并整理了当前算法的java版本，可直接使用到项目当中。

关键代码，如下

private static ImmutableSortedMap<Integer, Integer> getPrivateCounts(Collection<Visit> visits) {
    Map<Integer, Count> dpCounts = new HashMap<>();
    for (int i = OPENING_HOUR; i <= CLOSING_HOUR; i++) {
      Count dpCount = Count.builder()
          .epsilon(LN_3)
          .maxPartitionsContributed(10)
          .build();
      dpCounts.put(i, dpCount);
    }
    visits.forEach(v -> dpCounts.get(v.entryTime().getHour()).increment());
    return ImmutableSortedMap.copyOf(
        dpCounts.entrySet().stream()
        .collect(
            toMap(Map.Entry::getKey, e -> (int) e.getValue().computeResult())));
  }