一种面向聚类的对数螺线数据扰动方法

• 作者: 倪巍伟 孙福林 崇志宏 王佳俊 黄茂峰
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 隐私保护 数据挖掘 聚类分析 对数螺线 数据干扰
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 研究论文
• 页码范围: 2275-2282
• 分类号: TP311
• 字数: 7261字
• 语种: 中文
• DOI: 10.3724/SP.J.1016.2012.02275

摘要

面向挖掘应用的隐私保护数据发布要求对数据集进行隐藏的同时维持数据的挖掘可用性,数据扰动是解决该问题的有效方法.现有的面向聚类的数据扰动方法难以兼顾原始数据个体隐私和维持数据聚类可用性,对此提出了一种基于对数螺线的隐私保护数据干扰方法.通过构建面向聚类的隐私保护数据扰动模型,利用对数螺线对原始数据进行扰动隐藏,维持原始数据的k邻域关系稳定,实现数据集聚类可用性的有效维护；进一步提出多重对数螺线扰动的策略,提高隐私保护强度.理论分析和实验结果表明:文中方法能够有效地避免数据隐私泄露,同时维持数据的聚类可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪巍伟	东南大学计算机科学与工程学院	48	851	19.0	27.0
2	崇志宏	东南大学计算机科学与工程学院	15	181	7.0	13.0
3	黄茂峰	东南大学计算机科学与工程学院	2	30	2.0	2.0
4	王佳俊	东南大学计算机科学与工程学院	4	42	3.0	4.0
5	孙福林	东南大学计算机科学与工程学院	2	20	1.0	2.0