《Neurocomputing》：A differential private release method for time series data based on silhouette coefficients
编辑推荐：
针对差分隐私约束下的噪声扰动易破坏时间序列聚类结果发布中聚类结构的问题，本文提出一种基于轮廓系数（Silhouette Coefficient）的各向异性高斯噪声生成方法。在聚类结果的输出扰动框架内，利用轮廓系数刻画簇间结构差异，并构建簇级权重以引导噪声分配。
针对差分隐私约束下的噪声扰动易破坏时间序列聚类结果发布中聚类结构的问题，本文提出一种基于轮廓系数（Silhouette Coefficient）的各向异性高斯噪声生成方法。在聚类结果的输出扰动框架内，利用轮廓系数刻画簇间结构差异，并构建簇级权重以引导噪声分配。进一步地，将差分隐私噪声建模为协方差矩阵优化问题。在差分隐私约束下，优化高斯噪声的协方差结构，使其在高维空间中呈现各向异性分布，从而降低时间序列结构特征的失真。此外，为提升时间序列相似性度量的准确性，采用动态时间规整（Dynamic Time Warping, DTW）作为距离度量，并应用主成分分析（Principal Component Analysis, PCA）进行降维，以缓解敏感度（Sensitivity）对噪声幅度的影响。在真实电力与用水数据集上的实验结果表明，与隐私保护聚类基线方法及传统各向同性高斯机制相比，所提方法实现了更低的差分隐私精度损失与均方误差（Mean Squared Error, MSE），并在保持时间序列整体趋势与主要变化特征方面展现出更优性能。
基于轮廓系数的时间序列差分隐私发布方法解读
一、研究背景与问题
时间序列数据在能源系统监测、智慧水务管理、交通流量分析等应用中大量产生，具有显著的时间依赖性和动态变化模式。对时间序列进行聚类分析，能够将具有相似时间模式的序列归类，从而揭示用户或系统的行为特征，为负荷模式识别、需求预测和异常检测等任务提供关键支撑。然而，这些数据多采集自用户侧监测设备，包含大量行为信息，在分析或发布过程中若保护不足，可能导致敏感信息泄露。
差分隐私（Differential Privacy, DP）通过向查询结果或模型参数注入随机噪声，提供严格的理论隐私保证，已被广泛应用于数据发布与挖掘任务。然而，现有的隐私保护聚类研究主要存在以下问题：其一，迭代式差分隐私聚类方法在每一轮迭代中都注入噪声，导致隐私预算持续消耗与噪声累积，误差放大问题显著，尤其在隐私预算有限或数据维度较高时更为突出；其二，结构感知的预算分配方法主要通过调节隐私预算控制拉普拉斯噪声的尺度，未进一步利用簇级质量信息指导多元高斯噪声协方差矩阵的设计；其三，聚类结果发布方法虽将噪声注入后移至最终聚类结果，但大多依赖独立同分布随机噪声，未显式考虑聚类结果固有的结构信息，易掩盖时间序列的时间模式与动态变化趋势。此外，不同簇在结构稳定性与可分离性上存在显著差异，现有方法未能保持这种差异，难以在隐私保护与数据效用之间取得最优平衡。
二、研究内容与总体结论
针对上述问题，研究人员提出一种基于轮廓系数的协方差优化噪声生成方法，用于时间序列聚类结果的差分隐私发布。该方法在差分隐私框架下，通过调整高斯噪声的协方差矩阵，在满足隐私约束的同时降低对聚类结构的扭曲。研究在真实电力消耗（LCL）与用水消耗（CCW）数据集上开展实验，结果表明：与现有差分隐私聚类基线方法及传统各向同性高斯机制相比，所提方法在差分隐私精度损失和均方误差方面均取得更低数值，并在保持时间序列周期性特征与峰值结构方面展现出更优的整体性能。该研究证明，差分隐私机制可超越统一控制噪声强度的范畴，利用聚类结构优化多维噪声分配，为实现高维结构化数据发布的隐私—效用平衡提供了一种结构感知的途径。
三、关键技术方法
研究人员采用的核心技术方法包括以下几方面。第一，基于轮廓系数的权重矩阵构建：利用轮廓系数综合刻画簇内紧密度与簇间分离度，以簇内样本的平均轮廓系数作为该簇结构质量的初始估计；为缓解簇规模不均衡与小样本波动对权重估计的影响，进一步采用经验贝叶斯收缩校正（Empirical Bayesian Shrinkage Correction），联合考虑簇样本量、簇内离散度和簇间结构差异，得到校正后的结构评分，并通过指数归一化构造块对角权重矩阵。第二，协方差矩阵优化模型：将噪声协方差矩阵作为优化变量，以加权扰动最小化为目标函数，在差分隐私约束下利用半定规划（Semidefinite Programming, SDP）求解最优协方差矩阵，使噪声在高维空间中沿不同方向呈现各向异性分布。第三，中心敏感度分析：将所有聚类中心拼接为高维向量，将聚类结果发布转化为单一向量值查询的差分隐私问题，基于数据范数上界与所属簇样本量推导全局敏感度（Global Sensitivity），并建立对所有可能邻居变化方向均成立的协方差约束条件。第四，动态时间规整（Dynamic Time Warping, DTW）距离度量与主成分分析（Principal Component Analysis, PCA）降维：DTW通过非线性时间对齐降低局部时间偏移的影响；PCA在充分保留主峰特征的前提下降低有效输出维度与l?敏感度上界，从而在相同隐私预算下减少所需噪声量。
四、研究结果
4.1 不同隐私预算下的性能对比
研究人员在CCW与LCL两个数据集上，将所提方法与DP-MKM、SC-DPKM、DP-KCCM、PKNC四种方法进行对比，隐私预算ε设为0.1至1.0，每种配置独立重复50次。结果显示，所有方法的差分隐私精度损失与均方误差均随ε增大而降低。所提方法在所有隐私预算设置下均取得最低指标值，在更严格的隐私预算下保持明显优势。其性能优势主要归因于：采用一次性输出扰动避免迭代噪声累积，利用收缩校正后的簇级轮廓系数构造结构权重并嵌入协方差优化，以及通过PCA降低有效输出维度。DP-MKM结果与所提方法最为接近，但仍未利用簇间结构质量差异指导噪声设计。
4.2 基于PCA降维的结构保持与效用分析
研究人员通过累积解释方差比（CEVR）、均方根误差（RMSE）、峰值相对误差（PRE）与峰值时间误差（PTE）四个指标评估PCA重建性能。结果表明，随主成分数量增加，CEVR上升而RMSE、PRE、PTE总体下降。基于CEVR不低于95%、PRE低于10%、PTE低于一个采样间隔的联合准则，LCL与CCW数据集分别降至17维与15维。阈值敏感性分析显示，将PRE阈值从10%收紧至5%需分别保留19与17个主成分，而放宽至15%不再产生额外降维，说明10%阈值在峰幅保持与降维之间提供了合理的操作折中。
4.3 协方差优化与PCA的消融研究
研究人员设置三种配置：各向同性高斯噪声（IG）、不含PCA的各向异性高斯噪声（AG）、完整方法（Proposed）。结果显示，AG与Proposed在各隐私预算下均显著优于IG，表明协方差优化是性能提升的主要贡献者；在多数预算下Proposed进一步低于AG，在LCL数据集上改善更为明显，表明PCA降维对高维时间序列数据具有额外效用提升作用。PCA通过降低有效输出维度与l?敏感度上界，在保持时间序列关键特征的同时改善了隐私—效用权衡。
4.4 聚类结果可视化与结构保持分析
研究人员在ε=0.5下比较原始簇中心、各向同性噪声扰动簇中心与所提方法扰动簇中心。可视化结果显示，各向同性高斯噪声在LCL数据的峰、谷及快速变化段引起明显偏差，而所提方法生成的扰动簇中心更接近原始簇中心，较好保持了用电曲线的整体趋势与主要峰谷特征；在CCW数据上，各向同性噪声引入大量局部波动，所提方法在整体趋势与主要用水突增位置方面均更贴近原始簇中心。逐簇MSE结果进一步表明，所提方法在两个数据集的每个簇上均取得比各向同性高斯机制更低的MSE。
4.5 簇规模不均衡与极小样本条件下权重估计稳定性分析
真实数据集中LCL与CCW的簇规模最大与最小之比分别为66.11与90.67，存在显著不均衡。但最小簇分别含2967与87个样本，最小信度系数分别达0.999417与0.983826，最大校正差异仅0.000087与0.002020，表明收缩校正仅引入有限修正且未过度校正。进一步对最小簇进行样本量从2到30的重复子采样实验（每种规模重复100次），结果显示在所有样本量下收缩校正后结构评分的估计方差均低于算术均值估计，在样本量为2时方差降低约60%（LCL）与52%（CCW），且随样本量增大收缩强度自适应减弱。这表明自适应收缩能显著降低极小样本条件下的估计不确定性，同时避免对簇间固有结构差异进行不必要调整。
4.6 簇数K的敏感性分析
研究人员在K=4至20范围内评估所提方法在不同聚类粒度下的效用与计算开销。结果显示，随K增大，两种噪声机制的差分隐私精度损失与MSE总体上升或呈波动上升趋势，原因是各簇样本量减少导致估计不确定性增大，且待发布簇中心数量增加提高了对噪声扰动的敏感度。尽管误差未随K单调变化，所提方法在所有设置下均保持对各向同性高斯机制的效用优势。协方差优化时间随K增大显著上升，尤其从K=8到K=10增幅明显，但所有测试设置（含K=20）下优化均成功完成，表明方法可扩展至超过八个簇的场景。K值应根据原始数据的固有聚类结构确定，而非依据扰动后误差选择。
4.7 计算开销分析
研究人员比较了各方法的运行时间。在CCW数据集上，所提方法平均运行时间83.77秒，低于SC-DPKM的232.91秒；在LCL数据集上为224.68秒，约为SC-DPKM（157.86秒）的1.42倍。DP-MKM、DP-KCCM、PKNC运行时间远低于所提方法。额外计算开销主要来自簇级轮廓系数的计算与收缩校正，以及在联合簇中心空间中求解半定规划问题。这表明所提方法以增加计算时间为代价换取更低的精度损失与MSE，体现了发布效用与计算效率之间的权衡。
五、讨论与结论
讨论部分指出，所提方法实现的效用提升主要归因于一次性输出扰动、协方差优化与PCA降维三者的协同作用。实际应用面临的主要挑战包括：高频计量数据可能揭示用户日常作息与居住状态；隐私与监管要求限制原始计量数据的共享；传统结构无关噪声易扭曲代表性曲线的峰谷、周期模式与局部变化；大规模智能计量系统持续产生高维时间序列数据，对隐私机制的计算效率与持续发布能力提出更高要求。所提方法通过发布差分隐私簇中心并优化噪声协方差结构，为前三项挑战提供了可行方案，但计算效率与持续发布能力仍需进一步研究。在智能电网应用中，差分隐私簇中心可用于识别典型日负荷模式，峰谷时段与负荷变化特征可为分时电价制定、需求响应参与者筛选与差异化激励机制设计提供模式依据。在智慧水务应用中，簇中心可作典型日用水模式的参考模板，用水轨迹对典型中心的持续偏离可作为抄表故障、异常用水或潜在漏损的初步筛查信号。研究结论为：在时间序列簇中心的差分隐私发布中，发布结果的效用不仅取决于噪声幅度，还取决于高斯噪声协方差矩阵的结构。在给定隐私约束下，利用校正后的簇级轮廓系数指导协方差矩阵优化，可降低无差别扰动对时间序列整体趋势与主要特征的扭曲。两个真实数据集上的对比、消融与敏感性实验一致支持这一结论，表明差分隐私机制可超越统一控制噪声强度的范式，利用聚类结构优化多维噪声分配，为高维结构化数据的隐私保护发布提供了一种结构感知的实现路径。
