基于属性分类的用电大数据隐私保护方法

• 作者: 梁晓兵 沈博 翟峰 许斌
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 差分隐私 最大信息系数 数据匿名化 数据发布
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 93-100
• 页数: 8页
• 分类号: TP309.2
• 字数: 7107字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0187

摘要

针对用电大数据环境下,非交互式差分隐私模型无法提供准确查询结果及计算开销较大的问题,提出一种基于最大信息系数与数据匿名化的差分隐私数据发布方法.从原始数据集中选出部分隐私属性作为特征集,利用最大信息系数选出与此特征集相关性高的数据作为隐私数据集,使用协同隐私保护算法对隐私数据集进行保护,发布满足差分隐私保护的用电大数据集.理论分析与实验结果表明,所提出的方法在提高大数据隐私保护处理效率同时,有效分化查询函数敏感性,提高发布数据可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟峰		26	188	8.0	13.0
2	许斌		7	22	4.0	4.0
3	梁晓兵		9	19	3.0	4.0
4	沈博	中国科学院信息工程研究所信息安全国家重点实验室	2	0	0.0	0.0