改进的密度峰值聚类算法的差分隐私保护方案

摘要：

针对改进的密度峰值聚类(AdDPC)算法在计算局部密度时产生的隐私泄露问题以及算法的一次分配策略,提出一种改进的密度峰值聚类算法的差分隐私保护方案.该方案在算法计算局部密度的过程中添加 Laplace随机噪声,使得即使攻击者拥有最大背景知识,也无法通过添加或者删除数据集中的某一点来获取相应的信息,从而利用差分攻击获取目标数据点的信息,达到保护隐私数据的目的,并且在分配非聚类中心点时引入可达定义改进 AdDPC算法的分配策略,避免因为一次分配策略导致数据点分配错误的问题.实验对比了 DP-rcCFSFDP 算法、AdAPC-rDP 算法、IDP K-means算法的 F-Measure和 ARI,结果表明:当隐私预算大于 1.5 时,所提算法的 F-Measure和 ARI优于其他算法,所提算法能够在保护敏感数据的同时保证数据的可用性.

关键词：密度峰值、差分隐私、随机噪声、聚类算法

所属期刊栏目：44

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;广西自然科学基金资助项目

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：19-24