|
|
1.
基于聚类分析的差分隐私高维数据发布方法
陈恒恒, 倪志伟, 朱旭辉, 金媛媛, 陈千
计算机应用
2021, 41 (9):
2578-2585.
DOI: 10.11772/j.issn.1001-9081.2020111786
针对已有差分隐私高维数据发布方法无法有效兼顾数据间复杂属性的关联关系和计算成本的问题，提出一种基于聚类分析技术的差分隐私高维数据发布方法PrivBC。首先，基于
K-means++设计属性聚类方法，引入最大信息系数量化属性间的关联关系，并对具有高度关联关系的数据属性进行聚类。其次，对聚类产生的各个数据子集进行如下操作：计算关系矩阵以缩减属性对的候选空间，并构建满足差分隐私的贝叶斯网络。最后，根据贝叶斯网络采样每个属性，并合成新的隐私数据集进行发布。与PrivBayes方法相比，PrivBC方法的误分类率和运行时间分别平均降低了12.6%和30.2%。实验结果表明，所提方法在有效保证数据可用性的基础上，可以显著提高计算效率，为高维数据的隐私发布提供了新思路。
参考文献 |
相关文章 |
多维度评价
|
|
