面向差分隐私保护的随机森林算法

• 作者: 刘莉 安莹 李忠民 李远航 陈先来
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 隐私保护 差分隐私 随机森林 决策树 CART分类树
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 网络空间安全
• 页码范围: 93-101
• 页数: 9页
• 分类号: TP309
• 字数: 8773字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053592

摘要

数据挖掘中的隐私保护问题是目前信息安全领域的研究热点之一.针对隐私保护要求下的分类问题,提出一种面向差分隐私保护的随机森林算法 RFDPP-Gini.将随机森林与差分隐私保护相结合,在隐私信息得到保护的同时提高分类的准确率.以 CART分类树作为随机森林中的单棵决策树,使用 Laplace 机制和指数机制添加噪声并选择最佳分裂特征.实验结果表明,RFDPP-Gini 算法既能处理离散型特征又能处理连续型特征,在 Adult和Mushroom数据集上的分类准确率最高分别达 86.335％和 100％,且在加入噪声后算法的分类准确率下降幅度极小.