首页> 中文期刊> 《计算机科学》 >面向差分隐私保护的聚类算法

面向差分隐私保护的聚类算法

         

摘要

大数据时代的数据挖掘技术在研究和应用等领域取得了较大发展,但大量敏感信息披露给用户带来了众多威胁和损失.因此,在聚类分析过程中如何保护数据隐私成为数据挖掘和数据隐私保护领域的热点问题.传统差分隐私保护k-means算法对其初始中心点的选择较为敏感,而且在聚簇个数k值的选择上存在一定的盲目性,降低了聚类结果的可用性.为了进一步提高差分隐私k-means聚类方法聚类结果的可用性,研究并提出一种新的基于差分隐私的DPk-means-up聚类算法,同时进行了理论分析和比较实验.理论分析表明,该算法满足ε-差分隐私,可适用于不同规模和不同维度的数据集.此外,实验结果表明,在相同隐私保护级别下,与其他差分隐私k-means聚类方法相比,所提算法有效提高了聚类的可用性.

著录项

  • 来源
    《计算机科学》 |2019年第2期|120-126|共7页
  • 作者

    胡闯; 杨庚; 白云璐;

  • 作者单位

    南京邮电大学计算机学院 南京210003;

    江苏省大数据安全与智能处理重点实验室 南京210023;

    南京邮电大学计算机学院 南京210003;

    江苏省大数据安全与智能处理重点实验室 南京210023;

    南京邮电大学计算机学院 南京210003;

    南京中医药大学信息技术学院 南京210023;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 安全保密;
  • 关键词

    差分隐私; k-均值; 聚类算法; 隐私保护;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号