一种基于ExtraTrees的差分隐私保护算法

摘要：

为在同等隐私保护级别下提高模型的预测准确率并降低误差,提出一种基于ExtraTrees的差分隐私保护算法DiffPETs.在决策树生成过程中,根据不同的准则计算出各特征的结果值,利用指数机制选择得分最高的特征,通过拉普拉斯机制在叶子节点上进行加噪,使算法能够提供ε-差分隐私保护.将DiffPETs算法应用于决策树分类和回归分析中,对于分类树,选择基尼指数作为指数机制的可用性函数并给出基尼指数的敏感度,在回归树上,将方差作为指数机制的可用性函数并给出方差的敏感度.实验结果表明,与决策树差分隐私分类和回归算法相比,DiffPETs算法能有效降低预测误差.

关键词：差分隐私、ExtraTrees算法、分类、回归分析、决策树

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广东省科技计划项目;NSFC-广东联合基金项目

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140