1、在醫(yī)療、金融、戶籍管理等涉及國(guó)計(jì)民生的國(guó)家基礎(chǔ)信息網(wǎng)絡(luò)和重要信息系統(tǒng)中，存在著大量的隱私數(shù)據(jù)，其中，許多包含敏感信息的數(shù)據(jù)都是大樣本數(shù)據(jù)，數(shù)據(jù)可視化技術(shù)可以輔助用戶快速準(zhǔn)確地發(fā)掘其中隱含的信息，如何對(duì)包含敏感信息的大樣本數(shù)據(jù)進(jìn)行可視化是本文的主要研究?jī)?nèi)容。
　　 本文研究2006年由Dwork等人首次提出的差分隱私保護(hù)方法，差分隱私保護(hù)方法首次定義了一個(gè)嚴(yán)格的攻擊模型，通過添加噪聲使數(shù)據(jù)失真，從而達(dá)到隱私保護(hù)的目的。差分隱私保護(hù)

2、方法具有兩大優(yōu)點(diǎn):①隱私披露風(fēng)險(xiǎn)與攻擊者所具有的背景知識(shí)無關(guān)。②隱私保護(hù)所添加的噪聲量不隨數(shù)據(jù)集的增大而增加。由于差分隱私保護(hù)僅通過添加與數(shù)據(jù)集大小無關(guān)的少量噪聲，就能達(dá)到高級(jí)別的隱私保護(hù)，極大的保證了數(shù)據(jù)可視化的可用性，因而非常適合于解決大樣本數(shù)據(jù)的安全可視化問題。
　　 數(shù)據(jù)可視化通過數(shù)據(jù)聚合來減少可視化中的圖像疊加，提高大樣本數(shù)據(jù)可視化質(zhì)量，差分隱私保護(hù)數(shù)據(jù)聚合的難點(diǎn)在于①數(shù)據(jù)聚合中的聚簇?cái)?shù)量往往很大，噪音的添加使得聚合的

3、成功率極低。②迭代次數(shù)的不確定性導(dǎo)致隱私預(yù)算消耗過快，一旦隱私預(yù)算耗盡，則難以實(shí)現(xiàn)有效的隱私保護(hù)。本文在上述背景下提出，研究“差分隱私保護(hù)下的數(shù)據(jù)聚合及其在數(shù)據(jù)可視化中的應(yīng)用”，包括以下四個(gè)內(nèi)容:
　　 1.研究獲取ε-差分隱私保護(hù)的理論和方法，分析了交互式與非交互式框架下的差分隱私保護(hù)機(jī)制，列舉了幾種攻擊模型下，差分隱私保護(hù)方法與k-匿名和L-diversity相比所具備的優(yōu)勢(shì)。差分隱私保護(hù)方法隱私預(yù)算的消耗速度與敏感度有著密

4、切的關(guān)系，本文對(duì)幾種特定情況下敏感度的界進(jìn)行了分析。
　　 2.在對(duì)大樣本數(shù)據(jù)進(jìn)行可視化時(shí)，通常先對(duì)數(shù)據(jù)進(jìn)行聚合處理，以減少可視化中的圖像交疊、重合的現(xiàn)象，從而提高大樣本數(shù)據(jù)的可視化圖像質(zhì)量。聚類是數(shù)據(jù)聚合的基本手段，本文研究差分隱私保護(hù)下的聚類算法，針對(duì)差分隱私k-means聚類可用性差的問題，在滿足ε-差分隱私保護(hù)的基礎(chǔ)上，通過改進(jìn)初始中心點(diǎn)的選擇，提出了一個(gè)IDPk-means聚類方法，與現(xiàn)有的隱私保護(hù)k-means聚類方

5、法相比，IDPk-means聚類方法在同樣的隱私保護(hù)級(jí)別下，提高了聚類可用性。為了更具客觀性，我們引入了隱私保護(hù)聚類的同類算法與IDPk-means聚類方法進(jìn)行了比較，通過仿真實(shí)驗(yàn)可得出結(jié)論，IDPk-means的聚類質(zhì)量在各項(xiàng)指標(biāo)上的表現(xiàn)更具優(yōu)勢(shì)，尤其在大樣本數(shù)據(jù)集上的優(yōu)勢(shì)會(huì)更加明顯。
　　 3.聚合與聚類算法的不同之處在于聚合算法需要支持?jǐn)?shù)量更大的聚簇。很多聚類算法在聚簇?cái)?shù)目較大的情況下，往往會(huì)出現(xiàn)聚類可用性低，迭代次數(shù)大，

6、算法效率低等問題。本文提出了一種均分k-means++數(shù)據(jù)聚合算法，以數(shù)據(jù)可視化為目的對(duì)算法進(jìn)行了改進(jìn)，使算法支持高效地聚合為更多的簇。聚合得到的數(shù)據(jù)既較好地保持了原數(shù)據(jù)空間的大部分特性，又顯著提高了可視化后的圖像質(zhì)量。仿真實(shí)驗(yàn)證明，在不同的DAL下，無論是圖像質(zhì)量還是質(zhì)量評(píng)價(jià)指標(biāo)HDM，NNM上，算法都表現(xiàn)出了較好的效果。
　　 4.差分隱私保護(hù)下的數(shù)據(jù)聚合方法是本文的主要研究?jī)?nèi)容之一，本文提出了一種差分隱私DPEk-mean