-
Notifications
You must be signed in to change notification settings - Fork 0
/
CAHDalgorithm.py
203 lines (176 loc) · 8.99 KB
/
CAHDalgorithm.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
import numpy as np
import operator
# definizione
class CAHDalgorithm:
dataframe_originale = None # copia del dataframe bandizzato
id_sensitive_transaction = None # lista id transazioni sensibili
dataframe_bandizzato = None # dataframe after RCM
items_sensibili = None # lista di dati sensibili
grado_privacy = None # grado privacy richiesto
alfa = None # controllo le alfa * grado_privacy transizoni
hist = None # istogramma delle frequenze dei dati sensibili
dict_group = None # dizionario che lega gruppi e dati sensibili
lista_gruppi = None # lista contenente i gruppi di anonimizzazione
sd_gruppi = None # lista di sensitive attributes associati ai gruppi
QID_items = None # lista di QID
q_value = None # valore di q preso in considerazione nell'iterazione corrente
# inizializzazione
def __init__(self, dataframe=None, grado_privacy=4, alfa=3, q_value=0):
self.dataframe_originale = dataframe.dataframe_bandizzato.copy()
self.items_sensibili = dataframe.lista_sensibili
self.nome_item = dataframe.items_final
self.grado_privacy = grado_privacy
self.alfa = alfa
self.QID_items = [x for x in list(self.dataframe_originale) if x not in self.items_sensibili]
self.q_value = q_value
# funzione per il calcolo dell'istogramma
def compute_hist(self):
self.hist = dict(self.dataframe_originale[self.items_sensibili].sum())
return self.hist
# funzione per il controllo della fattibilità dei gruppi
def check_grado_privacy(self, grado_privacy):
value = max(self.hist.values())
if value * grado_privacy > len(self.dataframe_originale):
return False
return True
# funzione per il controllo di eventuali items sensibili in conflitto nello stesso gruppo
def check_conflict(self, row_i, position_j):
row_j = list(self.dataframe_bandizzato.iloc[position_j][self.items_sensibili])
for position in range(len(self.items_sensibili)):
if row_i[position] + row_j[position] > 1:
return True
return False
# funzione per la selezione delle transazioni da raggruppare insieme
def select_best_transactions(self, candidate_list, transaction_target):
distance = list()
list1 = self.dataframe_bandizzato.iloc[transaction_target][self.QID_items]
for row in candidate_list:
list2 = self.dataframe_bandizzato.iloc[row][self.QID_items]
similarity = [(x and y) + self.q_value * (not x and not y) for x, y in zip(list1, list2)]
distance.append(sum(similarity))
best_rows = list()
for i in range(self.grado_privacy - 1):
max_index, max_value = max(enumerate(distance), key=operator.itemgetter(1))
best_rows.append(candidate_list[max_index])
distance[max_index] = -1
return best_rows
# funzione per il controllo finale della validità del gruppo
def check_list(self, i, indice_transazione_sensibile, k, lc):
row_i = list(self.dataframe_bandizzato.iloc[i][self.items_sensibili])
if self.check_conflict(row_i, indice_transazione_sensibile):
k = k + 1
else:
conflitto_lista = False
for index in lc:
if self.check_conflict(row_i, index):
conflitto_lista = True
break
if not conflitto_lista:
lc.append(i)
else:
k = k + 1
return k
# funzione per il calcolo delle liste di gruppi candidati
def compute_candidate_list(self, indice_transizione_sensibile):
alpha_p = self.alfa * self.grado_privacy
lc = list() # lista candidate
k = 1
i = indice_transizione_sensibile - 1
while i > max(indice_transizione_sensibile - alpha_p - k, -1):
k = self.check_list(i, indice_transizione_sensibile, k, lc)
i -= 1
k = 1
i = indice_transizione_sensibile + 1
while i < min(indice_transizione_sensibile + alpha_p + k, len(self.dataframe_bandizzato)):
k = self.check_list(i, indice_transizione_sensibile, k, lc)
i += 1
error = False
if len(lc) < self.grado_privacy:
error = True
return lc, error
def CAHD_algorithm(self, analysis=False, plot=True):
"""
Metodo per l'applicazione dell'algoritmo
CAHD per l'anonimizzazione delle matrici
Create in BandMatrix
"""
soddisfacibile = False
temp_privacy = self.grado_privacy
self.compute_hist()
# controllo e scelta grado di privacy
while not soddisfacibile and temp_privacy > 0:
soddisfacibile = self.check_grado_privacy(temp_privacy)
if not soddisfacibile:
temp_privacy -= 1
if temp_privacy == self.grado_privacy:
if plot:
print("Grado di privacy soddisfacibile")
elif temp_privacy == 1 and plot:
print("Il massimo grado di privacy soddifacibile è 1, perciò non garantisce alcuna privacy.")
return False
else:
if analysis:
choose = False
else:
print("Grado di privacy soddisfacibile: ", temp_privacy)
choose = input("Cambiare il grado della privacy da %s a %s [s/n]:" % (self.grado_privacy, temp_privacy))
if choose == "s":
self.grado_privacy = temp_privacy
else:
return False
#controllo ed eventuale creazione gruppi da aggiungere
dict_group = list()
self.id_sensitive_transaction = self.dataframe_originale.iloc[
list(set(list(np.where(self.dataframe_originale[self.items_sensibili] == 1)[0])))].index
lista_gruppi = list()
sd_gruppi = list()
for att in range(1):
self.dataframe_bandizzato = self.dataframe_originale.copy()
id_sensitive_transaction = np.random.permutation(self.id_sensitive_transaction)
remaining = len(self.dataframe_bandizzato)
ts_index = 0
while ts_index < len(id_sensitive_transaction):
q = id_sensitive_transaction[ts_index]
t = self.dataframe_bandizzato.index.get_loc(q)
lc, errore = self.compute_candidate_list(t)
if not errore:
group = self.select_best_transactions(lc, t)
group.append(t)
# aggiornamento valori all'interno dell'istogramma
selected_sensitive_items = self.dataframe_bandizzato.iloc[group][self.items_sensibili].sum()
temp_hist = self.hist.copy()
for index in selected_sensitive_items.index:
temp_hist[index] -= selected_sensitive_items.loc[index]
# controllo formazione eventuali gruppi o creazione ultimo gruppo
th_max = max(temp_hist.values())
if th_max * self.grado_privacy > remaining - len(group):
ts_index += 1
else:
self.hist = temp_hist.copy()
label_group = self.dataframe_bandizzato.iloc[group].index
id_sensitive_transaction = [x for x in id_sensitive_transaction if x not in label_group]
dict_group.append(self.dataframe_bandizzato.index[group])
lista_gruppi.append(
self.dataframe_bandizzato.loc[list(self.dataframe_bandizzato.index[group]), self.QID_items])
sd_gruppi.append(selected_sensitive_items)
self.dataframe_bandizzato = self.dataframe_bandizzato.drop(
list(self.dataframe_bandizzato.index[group]))
remaining = len(self.dataframe_bandizzato.index)
else:
ts_index += 1
# creazione ultimo gruppo ed aggiornamento strutture dati
selected_sensitive_items = self.dataframe_bandizzato[self.items_sensibili].sum()
max_v = max(dict(selected_sensitive_items).values())
if max_v * self.grado_privacy <= len(self.dataframe_bandizzato):
lista_gruppi.append(self.dataframe_bandizzato[self.QID_items])
dict_group.append(self.dataframe_bandizzato.index)
sd_gruppi.append(selected_sensitive_items)
self.dataframe_bandizzato = None
self.sd_gruppi = sd_gruppi
self.lista_gruppi = lista_gruppi
self.dict_group = dict_group
return True
else:
if plot:
print("Ultimo gruppo NON soddisfa tentativo n°: " + str(att))
return False