基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
差分隐私保护是Dwork提出的基于数据失真技术的一种新的隐私保护模型,由于其克服了传统隐私保护需要背景知识假设和无法定量分析隐私保护水平的缺点,近年来迅速成为隐私保护领域研究热点.PINQ是最早实现差分隐私保护的交互型原型系统.介绍了差分隐私保护相关理论基础,分析了PINQ框架的实现机制.以PINQ中差分隐私保护下K-means聚类实现为例,研究了差分隐私在聚类中的应用.仿真实验表明,在不同的隐私预算下,实现的隐私保护级别也不同.
推荐文章
支持差分隐私保护及离群点消除的并行K-means算法
K-均值聚类
离群点消除
差分隐私
MapReduce
差分隐私保护研究综述
差分隐私
隐私保护
数据失真
数据挖掘
数据发布
MapReduce框架下支持差分隐私保护的k-means聚类方法
数据挖掘
k-均值聚类
MapReduce
差分隐私保护
Laplace机制
Spark环境下K-means初始中心点优化研究综述
K-均值算法
分布式内存计算框架
算法优化
聚类算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 PINQ下K-means的差分隐私保护研究
来源期刊 软件导刊 学科 工学
关键词 K-means 数据失真 差分隐私 PINQ
年,卷(期) 2016,(6) 所属期刊栏目 信息安全
研究方向 页码范围 204-208
页数 5页 分类号 TP309
字数 3797字 语种 中文
DOI 10.11907/rjdk.161175
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄文培 西南交通大学信息科学与技术学院 34 277 11.0 15.0
2 胡伟健 西南交通大学信息科学与技术学院 6 45 4.0 6.0
3 李灵芳 西南交通大学信息科学与技术学院 6 45 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (210)
参考文献  (8)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (3)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
K-means
数据失真
差分隐私
PINQ
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
论文1v1指导