(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156864.3 (22)申请日 2022.09.21 (71)申请人 广州大学 地址 510006 广东省广州市大 学城外环西 路230号 (72)发明人 林思昕　张美范　殷丽华　方滨兴　 孙哲　李丹　 (74)专利代理 机构 北京高航知识产权代理有限 公司 11530 专利代理师 覃钊雄 (51)Int.Cl. G06F 21/62(2013.01) G06F 16/9535(2019.01) G06K 9/62(2022.01) (54)发明名称 一种基于本地差分隐私的大数据频数估计 方法 (57)摘要 本发明涉及数据分析技术领域， 公开了一种 基于本地差分隐私的大数据频数估计方法， 包括 如下步骤： 服务器对所有客户端进行等概率采 样， 并发送哈希函数集合和草图长度的取值； 客 户端对初始数据进行转换， 并根据哈希结果替换 对应数据坐标； 客户端利用本地差分隐私随机 响 应机制扰动上一步数据， 得到最新数据； 客户端 发送最新数据， 服务器根据采样的最新数据集合 训练频数预测模 型并发送给剩余所有客户端； 剩 余所有客户端根据预测模型判断持有数据是否 为高频数据； 若是高频数据， 以{ ‑1}m的方式进行 编码； 若不是高频数据， 先对初始数据进行转换， 再根据哈希结果替换对应数据坐标， 最后利用本 地差分隐私随机响应 机制扰动所有数据。 权利要求书2页 说明书4页 附图1页 CN 115455483 A 2022.12.09 CN 115455483 A 1.一种基于 本地差分隐私的大 数据频数估计方法， 其特 征在于， 包括如下步骤： 步骤S1， 服 务器设定客户端的采样率r， 并以等 概率对所有客户端的数据进行抽样； 步骤S2， 被抽样的客户端将其数据D先转换为 一维向量V； 步骤S3， 客户端等概率地从哈希函数集合Seth选择一个哈希函数hj， 并根据哈希 结果替 换对应的数据坐标 得到新的一维向量V ′； 步骤S4， 客户端根据差分隐私算法中的隐私预算ε， 利用随机响应机制对新的一维向量 V′进行转换使其满足 ε ‑本地化差分隐私； 步骤S5， 客户端将哈希函数索引j与最终的一维向量S发送至服 务器； 步骤S6， 服务器收集被采样的客户端的数据， 构 建k×m的草图， 并将采样的客户端的数 据按照哈希函数索引j存 储在对应的位置， 最后计算被采样客户端的数据项频 数F； 步骤S7， 服务器根据估计好的数据项频数， 利用Random  Forest Regressor模型对数据 项频数进行学习， 得到轻量级频 数预测模型g； 步骤S8， 服务器设定高频数据的占比率θ， 并根据占比率θ计算出此时区分高频数据和 低频数据的阈值P， 最后将该阈值和轻量级频 数预测模型g发送给剩余未被采样的客户端； 步骤S9， 客户端根据接收到的轻量级频 数预测模型g区分自身数据是否为高频 数据； 步骤S10， 服务器将剩余未被采样的客户端的数据存储在草图中， 并且估计剩余未被采 样的客户端的数据项频 数。 2.根据权利要求1所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步 骤S1中， 服 务器对所有客户端发送包 含k个哈希函数的哈希集 合Seth和草图长度m的数值。 3.根据权利要求1所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步 骤S2中， 输入客户端数据D， 将客户端数据D转换为由 ‑1填充的数据{ ‑1}m。 4.根据权利要求3所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步 骤S3中， 客户端计算出hj(D)的值， 令v[hj(D)]＝1， 其中， 将一维向量V中下标为hj(D)的数值 赋值为1， 得到新的一维向量V ′。 5.根据权利要求4所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步 骤S4中， 客户端以概率 保留V′中的每个坐标值， 以概率 扰动V′ 中的每个坐标值， 即将坐标为1的值扰动成 ‑1， 将坐标为 ‑1的值扰动成1， 并得到最 终的一维 向量S。 6.根据权利要求5所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步 骤S6中， 数据项频 数F(D)具体 计算方法如下： 其中， 是存储在第l行第hl(D)列(1＜l＜k)的客户端数据D的数据项频数， 为利用草图统计的客户端数据D的所有数据项频数， n为采样客户端数据的数 据量。 7.根据权利要求1所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步权　利　要　求　书 1/2 页 2 CN 115455483 A 2骤S9中， 如果是高频数据， 则先执行步骤S2， 并且跳过步骤S3， 执行步骤S4和步骤S5； 如果不 是高频数据， 则按照步骤S2至步骤S5执 行。 8.根据权利要求7所述的基于本地差分隐私的大数据频数估计方法， 其特征在于， 于步 骤S10中， 如果为高频数据， 则其频数Fhigh为轻量级频数预测模型 g的预测结果g(D)； 如果为 低频数据， 则其频 数Flow计算方法： 其中， θ为高频数据的占比率， m为草图的长度， n ′为剩余未被采样客户端的数据量， 是存储在第l行第hl(D)列(1＜l＜k)的客户端数据D的数据项频数， 利用草图统计的客户端数据D的所有数据项频 数。权　利　要　求　书 2/2 页 3 CN 115455483 A 3