流形学习及维数约简在数据隐私保护中的应用

• 作者: 向婷婷 王学松 罗运纶
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 隐私保护 微分流形 等距变换 拉普拉斯特征映射
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 网络、通信、安全
• 页码范围: 79-82,248
• 分类号: TP309.2
• 字数: 5019字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.08.024

摘要

采用流形学习及维数约简方法可以有效保护敏感数据.针对交通事故黑点的敏感数据挖掘中隐私保护问题,提出了综合应用等距变换和微分流形两种算法来提高原始数据保密程度的方法,采用基于旋转的等距变换扰乱数据,用Laplacian Eigen-map对高维数据进行非线性降维,在保留数据内在几何结构的同时,进一步扰乱数据.该方法有效地应用于交通事故黑点数据隐私保护中,同时降低了原始数据的维数,便于后续的数据挖掘与分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王学松	北京师范大学信息科学与技术学院	31	207	7.0	13.0
2	向婷婷	北京师范大学信息科学与技术学院	2	4	1.0	2.0
3	罗运纶	北京师范大学珠海分校信息技术学院	2	5	1.0	2.0