基于差分隐私的RDPk-means聚类方法

• 作者: 马哲 鹿方凯
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: k-means算法 差分隐私 隐私保护
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 205-207,211
• 页数: 4页
• 分类号: TP309
• 字数: 2692字
• 语种: 中文
• DOI: 10.11907/rjdk.181386

摘要

为解决k-means聚类算法在聚类过程中隐私泄露风险,在满足 ε-差分隐私保护前提下,提出一种隐私保护的RDPk-means聚类方法.该方法与传统随机选取初始点方式不同,采取基于网格密度的方式选取初始聚类中心,并在UCI数据集中进行有效性验证.采用543条数据生成2个聚类簇和19020条数据生成3个聚类簇分别进行实验.结果表明,该聚类方法在不同的数据规模和维数情况下可以很好地保护数据隐私,能保证聚类结果的可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马哲	山东科技大学计算机科学与工程学院	1	2	1.0	1.0
2	鹿方凯	山东科技大学计算机科学与工程学院	4	4	1.0	1.0