差分隐私保护k-means聚类方法研究

• 作者: 李杨 温雯 谢光强 郝志峰
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 差分隐私 k-均值 聚类 隐私保护
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 287-290
• 页数: 4页
• 分类号: TP309
• 字数: 4503字
• 语种: 中文

摘要

研究了基于差分隐私保护的k-means聚类隐私保护方法.首先介绍了隐私保护数据挖掘和隐私保护聚类分析的研究现状,简单介绍了差分隐私保护的基本原理和方法.为了解决差分隐私k-means聚类方法聚类结果可用性差的问题,提出了一个新的IDP k-means聚类方法,并证明了其满足ε-差分隐私保护.最后的仿真实验表明,在相同隐私保护级别下,IDP k-means聚类方法与差分隐私k-means聚类方法相比,聚类可用性得到了较大程度的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢光强	广东工业大学自动化学院	34	215	7.0	14.0
5	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
6	李杨	广东工业大学自动化学院	33	199	8.0	13.0
10	温雯	广东工业大学计算机学院	48	272	10.0	14.0