学位论文简介
随着大数据技术的日益发展，时间序列数据被广泛收集，并进行统计分析。然而，持续收集的时间序列在带来便利的同时，也带来了严重的隐私泄露问题，即使匿名发布时间序列，攻击者也能根据时间数据，识别到对应的用户，造成用户隐私信息的泄露。在为解决上述问题，本文基于本地差分隐私技术对动态实时发布的时间序列的隐私保护进行研究，主要包含以下三个方面工作和创新点：
为实现在平衡时间序列可用性和隐私保护程度的过程中，有效地保留时间序列独特模式的目的，本文提出了一种基于本地差分隐私的模式保留隐私保护方法。该方案通过自适应采样的方式，采样能有效表示序列模式的显著点，并自适应对其分配预算并扰动，已保护隐私。在此基础上，该方法利用差分隐私后处理优化特性隐私序列进行优化，进一步提高了时间序列的可用性。
为避免在保护时间时间序列隐私的过程中，因个别巨大异常值产生的巨大扰动影响隐私序列的可用性，本文提出了一种基于本地差分隐私的自适应阈值截断隐私保护方法。该方案通过最小化截断和扰动误差，确定初始阈值。再通过检验时间序列的平稳性的方式，以自适应判断是否需要更新阈值。采用自适应预算分配的方法对时间序列进行扰动，以保护时间序列隐私，并为其提供w-event级隐私保护。
为有效保留时间序列的精确数值和有效模式，便于精准的统计和分析，本文提出了一种基于时间化本地差分隐私的模式保留隐私保护方法。该方案采用正交最小二乘方法提取时间序列的有效模式，在提取的模式范围内限制滑动置换窗口，并通过双向调度的置换方法分配扰动概率。以有效保留时间序列的精确数值和有效模式。
主要学术成果
Wen Gao; Junhai Zhou; Yaping Lin; Jianhao Wei "Compressed sensing-based privacy preserving in labeled dynamic social networks." IEEE Systems Journal.vol. 17, no. 2, pp. 2201-2212, June 2023. (SCI 3区, 第一作者)
Wen Gao and Siwang Zhou, "Privacy-Preserving for Dynamic Real-Time Published Data Streams Based on Local Differential Privacy," in IEEE Internet of Things Journal, vol. 11, no. 8, pp. 13551-13562, 15 April15, 2024,(SCI 1区，第一作者)
Wen Gao and Siwang Zhou, Publishing Real-Time Dynamic Time Series with Local Differential Privacy. IEEE Transactions on Knowledge and Data Engineering.(under review)
Zhimao Gong, Junyi Li, Yaping Lin, Lening Yuan, Wen Gao. A novel dual cloud server privacy-preserving scheme in spatial crowdsourcing. Computers & Security 138 (2024): 103659. (SCI 2区)
