限制隐私泄露的隐私保护聚类算法

摘要：

为了解决在极端情况下数据挖掘中隐私泄露的问题,分析了在数据聚类时增加Laplace噪音可以避免隐私泄露的原理,结合主成份分析与噪音扰动方法,提出了一种限制隐私泄露的隐私保护聚类算法.该算法利用主成份分析除掉了数据的相关性,将Laplace噪音加入数据的主成份向量中,然后计算被扰动的数据之间距离变化值,这样可以避免扰动后的数据被还原,以达到在隐私保护聚类挖掘中限制隐私泄露的目的.仿真实验结果表明,该算法对于数据聚类时限制隐私泄露是正确有效的.

关键词：数据挖掘、隐私保护、聚类、主成份分析、Laplace噪音

所属期刊栏目：31

分类号：TP311(计算技术、计算机技术)

资助基金：湖南省自然科学基金项目09JJ6086

在线出版日期：2010-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1444-1446