面向主成分分析的差分隐私数据发布算法

• 作者: 徐亚红 杨庚 汪伟亚 白云璐
• 来源期刊: 网络空间安全
• 学科: 工学
• 关键词: 差分隐私 主成分分析 隐私预算分配 近似误差
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 数据安全
• 页码范围: 74-82
• 页数: 9页
• 分类号: TP309
• 字数: 6233字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9456.2018.10.015

摘要

随着大数据应用日益广泛,数据预处理和隐私保护成为当前面临的重大挑战.主成分分析作为一种有效的数据降维方法,常用于数据预处理、机器学习和数据挖掘.在差分隐私保护框架下,论文提出基于输出扰动的主成分分析隐私保护数据发布算法,与直接对数据加噪相比,该算法在相同隐私保护程度下,对数据添加噪声更小.考虑不同的隐私预算分配方式,设计均分加噪、正向加噪和反向加噪三种加噪方式.从理论上比较三种方式引入的噪声大小,并采用真实数据集验证,选择最优方式.在最优加噪方式下分析输入数据和输出数据的近似误差影响因素,寻找误差极小值.实验表明,该算法兼顾数据的安全性和可用性.