本地差分隐私下基于混合分布的真值发现算法

来源：电子与信息学报杂志2025年第6期北京时间：

作者：张朋飞, 安建隆, 程祥, 张治坤, 孙笠, 张吉, 朱伊波

单位：1.安徽理工大学计算机科学与工程学院 淮南 2320012.云南省服务计算重点实验室(云南财经大学) 昆明 6502213.北京邮电大学计算机学院(国家示范性软件学院) 北京 1008764.北京邮电大学网络与交换技术国家重点实验室 北京 1008765.浙江大学计算机科学与工程学院 杭州 3100586.华北电力大学控制与计算机工程学院 北京 1022067.南昆士兰大学数学、物理和计算学院 图文巴 4350

摘要：移动群智感知是收集数据的重要手段之一，其中一个基本的问题就是如何从众多质量不同的感知数据中发现“真值”。为解决真值发现过程中可能存在的隐私泄露问题，现有方法通常结合本地差分隐私技术来对工人提交数据进行保护。然而这些方法往往没有充分考虑到数据中存在的表示工人质量的高斯噪音对噪音“真值”的准确度带来的负面影响。此外，直接采用拉普拉斯机制进行隐私保护会由于拉普拉斯分布的随机性和无界性导致大量噪音注入。为解决上述问题，该文提出一种基于混合分布的本地差分隐私真值发现算法(MOON)。该算法结合了工人质量的高斯噪音和隐私保护的拉普拉斯噪音，通过优化混合噪音模型，设计求解算法以提高“真值”精度。理论分析表明，MOON在保证隐私保护的同时，具有较低的计算和通信复杂度。在两个真实数据集上实验结果表明，相对于最新成果，在增加较少计算开销的前提下，MOON在求得的“真值”精度上提高了20%。

关键词：移动群智感知, 真值发现, 隐私保护, 本地差分隐私

基金资助：安徽理工大学高层次引进人才科研启动基金(2023yjrc92)，云南省服务计算重点实验室开放课题(YNSC24116)，国家自然科学基金青年项目(62202164)