不完全数据集的差分隐私保护决策树研究

• 作者: 毛宇光 江冠儒 沈思倩
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 差分隐私保护 不完全数据集 ID3算法 随机森林决策树
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信息安全
• 页码范围: 139-143,149
• 页数: 6页
• 分类号: TP309
• 字数: 6675字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.06.023

摘要

主要研究在对不完全数据集进行决策树分析时,如何加入差分隐私保护技术.首先简单介绍了差分隐私ID3算法和差分隐私随机森林决策树算法;然后针对上述算法存在的缺陷和不足进行了修改,提出指数机制的差分隐私随机森林决策树算法;最后对于不完全数据集提出了一种新的WP(Weight Partition)缺失值处理方法,能够在不需要插值的情况下,使决策树分析算法既能满足差分隐私保护,也能拥有更高的预测准确率和适应性.实验证明,无论是Laplace机制还是指数机制,无论是ID3算法还是随机森林决策树算法,都能适用于所提方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛宇光	南京航空航天大学计算机科学与技术学院	63	414	10.0	17.0
5	沈思倩	南京航空航天大学计算机科学与技术学院	1	5	1.0	1.0