论文部分内容阅读
差分隐私作为当前有效的隐私保护机制之一，得到广泛的应用。目前已有多种算法用来生成满足差分隐私的静态直方图，但针对实时数据流环境下的直方图的发布方法却很少，且没有较好地均衡噪声误差和数据可用性。针对实时数据流实时性高、连续性强、以及数据规模大等特点，文中提出了面向数据流的差分隐私直方图发布方法DDHP（Histogram Publication of DynamicData），该方法基于滑动窗口模型实时处理新到达数据，并采用距离测度的方法衡量相邻两个时间戳的数据相似性，以此来动态地分配隐私预算。通过比较L1