学位论文简介
随着大数据技术的日益发展，各个领域产生了大量反应时间特征的时间序列数据，这些数据被广泛收集并分析。然而，持续收集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，攻击者依旧能识别到对应的用户，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发布的时间序列的隐私保护进行研究，主要包含以下四个方面工作和创新点：
为有效减少动态时间序列模式的截断误差，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误差和扰动误差，确定合适的初始阈值。再通过及时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。该方法结合自适应预算分配的方式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。
为有效保留动态时间序列模式，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。该方案能自适应采样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，以提供w-event级隐私保护。同时，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。
为有效提高时间扰动后隐私序列的可用性，本文提出了一种基于时间化本地差分隐私的自适应置换概率分配的隐私保护方法，该方法基于分位数回归的基本思想，以限制置换值的大小区间，并通过评价可置换值的拟合优度，重新分配对应的置换概率，以高概率选择拟合优度更高的值置换。
为有效保护连续数据相关性，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)
Wen Gao and Siwang Zhou, ParSwap: Dynamic Time Series Publishing Based on Local Differential Privacy. IEEE Transactions on Information Forensics & Security.(In Peer 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)
