一种基于ExtraTrees的差分隐私保护算法

• 作者: 李杨 谢光强 陈子彬
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 差分隐私 ExtraTrees算法 分类 回归分析 决策树
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 网络空间安全
• 页码范围: 134-140
• 页数: 7页
• 分类号: TP391
• 字数: 6019字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053824

摘要

为在同等隐私保护级别下提高模型的预测准确率并降低误差,提出一种基于ExtraTrees的差分隐私保护算法DiffPETs.在决策树生成过程中,根据不同的准则计算出各特征的结果值,利用指数机制选择得分最高的特征,通过拉普拉斯机制在叶子节点上进行加噪,使算法能够提供ε-差分隐私保护.将DiffPETs算法应用于决策树分类和回归分析中,对于分类树,选择基尼指数作为指数机制的可用性函数并给出基尼指数的敏感度,在回归树上,将方差作为指数机制的可用性函数并给出方差的敏感度.实验结果表明,与决策树差分隐私分类和回归算法相比,DiffPETs算法能有效降低预测误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢光强	广东工业大学计算机学院	34	215	7.0	14.0
2	李杨	广东工业大学计算机学院	33	199	8.0	13.0
3	陈子彬	广东工业大学计算机学院	1	0	0.0	0.0