Data publishing——JTree

Rui C , Qian X , Yu Z , et al. Differentially Private High-Dimensional Data Publication via Sampling-Based Inference[C]// the 21th ACM SIGKDD International Conference. ACM, 2015.

​ 思路是：利用高维数据属性间的依赖关系构建属性依赖图（a dependency graph）并转换为联合树，用联合树发掘低维属性构成的团和分割顶点的边缘分布，进而推理出来联合分布。

1.依赖图和联合树

​ ●依赖图本质上是一个马尔可夫网络，节点表示数据集中的属性，边对应于属性之间的依赖关系。

​ ●依赖图转换为联合树可以分为两步：①三角化：使任两个不连续的顶点之间都有一条边；②依据属性下标顺序进行顶点消除，得到联合树。

​ 令Ci 为联合树上的一个clique，Sij = Ci ∩ Cj 是clique Ci和clique Cj之间的 separator。联合分布可以由下面的式子计算：

2.具体方法

具体方法分为四步：

​ ①Build the dependency graph：在基于抽样的测试框架（a sampling-based testing framework）下学习成对属性的相关性，从该框架中生成依赖图。

●sampling-based testing framework利用DP的sampling性质（N. Li, W. H. Qardaji, and D. Su. On sampling,

anonymization, and difffferential privacy or, k-anonymization meets difffferentail privacy. In ASIACCS, 2012.）：


存在的疑问：

1.只是抽取D中的一部分吗？如果只是一部分，怎么得到全部属性的依赖图？是不需要全部属性吗？那其他属性怎么办？
2.Lap（2△I/εa）的2怎么来的？看论文证明部分是：本质上输出为一个0-1向量 v，vi=0和vi=1的情况分别都有e^(εa/2)，合起来就得到了 e ^εa。不知道其中缘由。

●求β(β=ns/|D|，其中ns为抽样大小):确定一个合适的ns即可就求出β。

●阈值θkl：

其中，σ是一个由表示所需的依赖性级别的φc值（Cramer’s V φc，例如，φc=0.2代表弱依赖性)控制的参数。

​ ②Form attribute clusters：将JTree算法应用于依赖图，生成clique集，然后，把一些clique组合起来，得到一组属性簇。

​ ③Generate noisy marginals：给定第②步得到的聚类，使用拉普拉斯机制生成它们相应的噪声边际表。

separator的噪声边缘不需要计算，可以从cliques中推导得出。需要注意的是：对于任何separator Sij=Ci∩Cj，要保证由Ci构造的Sij的噪声边缘与由Cj构造的噪声边缘相同，从而获得一致的推理。

​ ④Produce a synthetic dataset：利用联合树和边际分布表，可以计算出联合分布。

​ 首先从联合树中随机选择一个初始clique，并从其边缘分布中抽取里面的属性，不断地抽取与已经被完全抽取的clique相邻(若两个cliques共享一个separator，它们相邻)的clique中的属性。当所有属性都被抽取出来，终止这个过程。

疑问：如果前面生成依赖图的时候是抽样一部分属性，那么联合树应该也不会包含所有属性，如何抽取到所有属性呢？这个所有是针对联合树中的吗？那生成依赖图时没有没抽样的属性应该怎么办？