Page 232 - 《软件学报》2021年第11期

3558 Journal of Software 软件学报 Vol.32, No.11, November 2021

ρ与α之间的关系,如公式(36)所示.
理论分析表明:基于 MPC 的上界ρ设置的隐私参数并不影响算法的隐私性与效用性,同时为隐私参数的设
置提供很好的语义解释.隐私参数的启发式设置策略的实验结果如图 11、图 12、表 4 所示.

Fig.11 Relationship between ρ and α, m and d vary
图 11 ρ与α的关系,m 与 d 同时变化

Fig.12 Relationship between parameter d and m, fix one and vary the other
图 12 参数 d 与 m 的关系,分别固定其中一个,另一个变化
Table 4 Relationship between privacy α parameter and upper bound ρ of MPC
表 4 隐私参数α与 MPC 上界ρ的关系
α
ρ
(d,m)=(16,8) (d,m)=(32,8) (d,m)=(32,16) (d,m)=(64,8) (d,m)=(64,16)
0.1 0.12 0.09 0.1 0.06 0.07
0.2 0.22 0.14 0.15 0.09 0.09
0.3 0.29 0.18 0.19 0.11 0.11
0.4 0.34 0.2 0.22 0.12 0.12
0.5 0.39 0.23 0.24 0.13 0.14
0.6 0.44 0.25 0.27 0.15 0.15
0.7 0.5 0.28 0.29 0.16 0.16
0.8 0.57 0.32 0.33 0.18 0.18
0.9 0.67 0.37 0.38 0.2 0.21
图 11 显示了隐私参数α随着ρ增长所呈现的趋势,从图 11 中可以发现:(1) 随着ρ的增长,α也显示出增长的
趋势.这是因为ρ越大,即 MPC 越高,用户的信息越容易被推断出来,说明数据扰乱的程度越低,因此,α随之增长
是合理的,α越大,添加的噪声越少.(2) 当(d,m)越小时,α随ρ增长的趋势越明显,曲线越陡峭;当(d,m)越大时,α随ρ
增长的趋势曲线越平缓.这个实验结论是合理的,因为(d,m)较大时,数据蕴含的隐私信息越多,在ρ相同的情况下,