作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
用户数据的隐私保护已经成了研究热点,其中局部差分隐私是目前最为完善的隐私保护模型之一,在此基础上PC-MS算法被提出,并应用到实际当中.文中使用采用Adult数据集作为原始数据,卡方距离作为用户的原始数据与扰动后的数据的度量方法.实验表明PCMS算法具有良好的可用性.
推荐文章
基于局部学习的差分隐私集成特征选择算法
特征选择
集成
差分隐私
隐私度
敏感度
面向频繁序列的局部差分隐私保护研究
局部差分隐私
频繁序列
随机响应
局部敏感度
隐私保护
专有隐私预算
数据效用
关联规则
基于差分隐私的混合位置隐私保护
位置隐私
差分隐私
混合保护
k-means聚类
基于差分隐私保护的DP-DBScan聚类算法研究
差分隐私
DBScan
DP-DBScan
隐私保护
数据挖掘
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于局部差分隐私的PCMS算法实现
来源期刊 电脑知识与技术 学科 工学
关键词 局部差分隐私 PCMS算法 卡方距离
年,卷(期) 2019,(22) 所属期刊栏目 网络通讯及安全
研究方向 页码范围 59-60
页数 2页 分类号 TP309
字数 1330字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 疏令 安徽理工大学计算机科学与工程学院 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (98)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
局部差分隐私
PCMS算法
卡方距离
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术
旬刊
1009-3044
34-1205/TP
大16开
安徽省合肥市
26-188
1994
chi
出版文献量(篇)
58241
总下载数(次)
228
总被引数(次)
132128
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导