面向差分隐私保护的随机森林算法

摘要：

数据挖掘中的隐私保护问题是目前信息安全领域的研究热点之一.针对隐私保护要求下的分类问题,提出一种面向差分隐私保护的随机森林算法 RFDPP-Gini.将随机森林与差分隐私保护相结合,在隐私信息得到保护的同时提高分类的准确率.以 CART分类树作为随机森林中的单棵决策树,使用 Laplace 机制和指数机制添加噪声并选择最佳分裂特征.实验结果表明,RFDPP-Gini 算法既能处理离散型特征又能处理连续型特征,在 Adult和Mushroom数据集上的分类准确率最高分别达 86.335％和 100％,且在加入噪声后算法的分类准确率下降幅度极小.

关键词：隐私保护、差分隐私、随机森林、决策树、CART分类树

所属期刊栏目：46

分类号：TP309(计算技术、计算机技术)

资助基金：国家重点研发计划;湖南省自然科学基金

在线出版日期：2020-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：93-101