采用成分分析的差分隐私数据发布算法
基于隐私保护的数据发布主要研究如何发布数据,使其能在不泄露隐私的情况下又能提供良好的数据可用性.在已有的隐私保护模型中,差分隐私保护模型因为对攻击者具有的背景知识已经做了最强假设,因此具有更强的安全性.一般的差分隐私保护模型实现机制有指数机制和拉普拉斯机制.本文研究非交互式下的差分隐私数据发布算法,对传统拉普拉斯机制进行了改进,提出了基于主成分分析的差分隐私保护机制,使其在同样的隐私保护程度下,对数据所加噪声更小,数据可用性更高.并针对发布数据的分类问题,进一步提出了基于线性判别分析的差分隐私数据发布算法,实验证明所发布数据在进行数据挖掘时,具有良好的分类效果.
差分隐私、成分分析、数据发布、数据挖掘
38
TP309(计算技术、计算机技术)
国家自然科学基金项目61572456;江苏省自然科学基金项目BK20151241
2017-08-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
437-443