摘要
本发明公开了一种基于动态自适应的差分隐私访问控制方法及系统。该方法首先采集用户角色信息、查询复杂度及访问请求数据，根据不同用户角色和查询复杂度动态计算隐私预算；随后，对数据集中各连续字段的统计特性进行提取，并采用多层感知机（MLP）深度学习模型结合梯度下降算法训练得到最优噪声敏感度参数s，通过噪声添加公式将从拉普拉斯分布中采样的噪声按隐私预算与敏感度参数的比例添加于原始查询结果中；最后，系统依据噪声处理后数据的准确率动态调整用户访问权限，实现数据隐私保护与数据实用性之间的动态平衡。其采用隐私预算引起的数据准确率变化作为数据实用性指标，并利用模型推断准确率的变化反映隐私保护效果，能够准确评估隐私预算取值对数据效用与隐私保护的影响，从而在不同访问场景下为各用户选择最优隐私预算，既最大程度地保障用户隐私安全，又最小程度地降低噪声对数据准确性的影响，实现隐私保护与数据利用之间的最优平衡。
