应用BWP指标的差分隐私保护k-means算法

• 作者: 张亚玲 屈玲玉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 聚类 k-means算法 BWP指标 差分隐私 隐私预算分配
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 网络、通信与安全|Network, Communication and Security
• 页码范围: 108-115
• 页数: 8页
• 分类号: TP309
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012-0457

摘要

差分隐私是一种基于噪声扰动的隐私保护技术,针对差分隐私保护下噪声导致的聚类中心点偏移较大的问题,提出了一种基于BWP(between-within proportion)指标的差分隐私k-means算法.算法将聚类有效性评价指标BWP引入到隐私预算分配过程中,对传统隐私预算分配进行加权处理,在一次迭代中为不同密度分布的簇分配不同的隐私预算,从而添加不同的随机噪声.理论分析表明新算法满足ε-差分隐私保护.基于四个标准数据集对新算法进行了实验,实验结果表明,在聚类结果的可用性以及算法的稳定性上新算法具有优势.