一种基于本地化差分隐私的网格聚类方法

请使用浏览器自带的分享功能,把这篇资料分享出去
  • CCF官网
  • 加入CCF
  • 登录CCF
  • 首页
  • 文章
  • 视频

  • 音频
  • 图片
  • PPT
  • 专辑
  • 问答
    高级检索
    CCF
  • 首页
  • 文章
  • 视频
  • 音频
  • 图片
  • PPT
  • 专辑
  • 一种基于本地化差分隐私的网格聚类方法

    一种基于本地化差分隐私的网格聚类方法

    132会员权益

    可试看3页,会员免费看完整版请先
    下载PDF

    评论

    共0条评论

    发表
    作者
    张东月

    倪巍伟

    张森

    付楠

    候立贺

    摘要

    随着移动互联网应用的不断深入,产生了大量个体数据,采集分布在不同终端上的数据进行聚类可以发现人群行为模式,支撑应用服务的深入开展.然而这些数据往往包含个体敏感信息,在缺少可信数据采集者的情况下,直接采集数据进行聚类存在泄露个体数据隐私的风险.近年来,本地化差分隐私(Local Differential Privacy,LDP)以其严谨的数学理论基础得到隐私保护领域研究者的持续关注.现有基于LDP的聚类研究多数采用基于划分的聚类方法,存在仅适用凸状分布数据以及聚类质量损失较大问题.针对该问题,聚焦网格聚类,提出基于LDP的隐私保护网格聚类方法.首先,设计网格划分评估指标,通过调节网格划分粒度调控网格密度估算误差和簇边缘信息损失,指导网格结构选取;然后,在服务器与终端间构建循环反馈机制,利用数据分布信息迭代优化扰动粒度,降低差分噪声注入量,在保护终端数据隐私安全的前提下,提升网格密度估算精度;最后,在服务器端,提出基于网格结构的自适应网格聚合方法,提升隐私保护聚类质量.理论分析和实验结果表明,所提方法在兼顾各终端个体数据隐私的同时,对不同分布数据有良好的聚类效果.

    显示全部
    来源
    计算机学报
    2023年第2期
    关键词
    1、隐私保护
    2、本地化差分隐私
    3、网格聚类
    4、网格划分评估指标
    5、循环反馈机制

    评论

    共0条评论

    发表