基于差分隐私保护的DP-DBScan聚类算法研究

• 作者: 吴伟民 黄焕坤
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 差分隐私 DBScan DP-DBScan 隐私保护 数据挖掘
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 数据挖掘
• 页码范围: 830-834
• 页数: 5页
• 分类号: TP309
• 字数: 3601字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2015.04.033

摘要

差分隐私保护是一种基于数据失真的隐私保护方法,通过添加随机噪声使敏感数据失真的同时也保证数据的统计特性.针对DBScan聚类算法在聚类分析过程中会泄露隐私的问题,提出一种新的基于差分隐私保护的DP-DBScan聚类算法.在满足ε-差分隐私保护的前提下,DP-DBScan聚类算法在基于密度的DBScan聚类算法上引入并实现了差分隐私保护.算法能够有效地保护个人隐私,适用于不同规模和不同维度的数据集.实验结果表明,与DBScan聚类算法相比,DP-DBScan聚类算法在添加少量随机噪声的情况下能保持聚类的有效性并获得差分隐私保护.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴伟民	广东工业大学计算机学院	58	460	12.0	17.0
2	黄焕坤	广东工业大学计算机学院	1	28	1.0	1.0