基于差分隐私的敏感数据挖掘技术研究

• 作者: 温蜜 谢荣
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 差分隐私 数据挖掘 机器学习 深度学习
• 年，卷（期）: 2020,（4）
• 页码范围: 401-407
• 页数: 7页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2020.04.015

摘要

基于加密的数据挖掘技术往往计算复杂度太高,而差分隐私作为一种数据扰动技术,既能有效降低计算复杂度,又能让使用者分析数据的整体价值.简要分析了差分隐私在具有敏感信息的智能数据挖掘系统中的相关技术.首先,介绍了差分隐私的基本概念;其次,针对频繁项挖掘、回归与分类以及深度学习,分别介绍了差分隐私在敏感数据挖掘中的应用;最后,对比了最新研究方法的性能和优缺点,为进一步研究隐私保护数据挖掘技术提供相关参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	温蜜		31	79	5.0	7.0
2	谢荣		1	0	0.0	0.0