一种无传播误差的差分隐私频繁项集挖掘算法

• 作者: 冯山 廖勇
• 来源期刊: 四川师范大学学报(自然科学版)
• 学科: 工学
• 关键词: 频繁项集 隐私保护 差分隐私 拉普拉斯扰动 传播误差
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 基础理论
• 页码范围: 127-132
• 页数: 6页
• 分类号: TP311
• 字数: 5420字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-8395.2017.01.021

摘要

差分隐私保护具有背景知识无关性,在隐私数据挖掘中可以抵御任意形式的攻击.基于干扰的差分隐私保护算法SmartTrunc存在如下问题:1)传播误差导致挖掘结果的可用性降低;2)全局敏感度大导致扰动所需噪声量预期值较大.为此,DFDP算法通过真实频繁k项集而不是扰动后的频繁k项集生成候选k+1项集,以彻底消除传播误差.同时,它通过一种新的函数映射将全局敏感度降为1,以减少干扰所需添加的噪声量.理论分析与实验结果均表明,DFDP算法能有效提升挖掘结果的可用性,同时所需添加的噪声量更少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯山	四川师范大学数学与软件科学学院	40	252	9.0	14.0
2	廖勇	四川师范大学数学与软件科学学院	2	0	0.0	0.0