一种改进的面向差分隐私保护的k-means聚类算法

• 作者: 付世凤 赵莉
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 隐私保护 差分隐私 k-means 聚类算法
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 算法语言
• 页码范围: 49-52
• 页数: 4页
• 分类号: TP311.13
• 语种: 中文

摘要

笔者介绍了差分隐私保护的研究背景、差分隐私保护的基本原理和方法,分析了k-means算法的隐私泄露问题.针对传统面向差分隐私保护k-means算法存在簇中心选取随机性导致聚类可用性较低的问题,提出一种指数加噪机制与密度估计相结合的方法,选取初始聚类中心,从而保证初始中心挑选的合理性,保障样本数据的隐私性.实验结果表明,提出的新方法可以显著提高聚类结果的可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵莉		16	29	4.0	5.0
2	付世凤		1	0	0.0	0.0