基于差分隐私保护的DP-DBScan聚类算法研究

摘要：

差分隐私保护是一种基于数据失真的隐私保护方法,通过添加随机噪声使敏感数据失真的同时也保证数据的统计特性.针对DBScan聚类算法在聚类分析过程中会泄露隐私的问题,提出一种新的基于差分隐私保护的DP-DBScan聚类算法.在满足ε-差分隐私保护的前提下,DP-DBScan聚类算法在基于密度的DBScan聚类算法上引入并实现了差分隐私保护.算法能够有效地保护个人隐私,适用于不同规模和不同维度的数据集.实验结果表明,与DBScan聚类算法相比,DP-DBScan聚类算法在添加少量随机噪声的情况下能保持聚类的有效性并获得差分隐私保护.

关键词：差分隐私、DBScan、DP-DBScan、隐私保护、数据挖掘

所属期刊栏目：37

分类号：TP309(计算技术、计算机技术)

资助基金：广州市科技计划资助项目2012Y2-00046

在线出版日期：2015-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：830-834