|
|||||
|
|
| 基于聚类分析的差分隐私高维数据发布方法 | |
| 作者姓名： | 陈恒恒 倪志伟 朱旭辉 金媛媛 陈千 |
| 作者单位： | 1. 合肥工业大学 管理学院, 合肥 230009;2. 过程优化与智能决策教育部重点实验室(合肥工业大学), 合肥 230009 |
| 基金项目： | 国家自然科学基金资助项目（91546108,61806068）;安徽省科技重大专项（201903a05020020）;安徽省自然科学基金资助项目（1908085QG298）。 |
| 摘 要： | 针对已有差分隐私高维数据发布方法无法有效兼顾数据间复杂属性的关联关系和计算成本的问题,提出一种基于聚类分析技术的差分隐私高维数据发布方法PrivBC.首先,基于K-means++设计属性聚类方法,引入最大信息系数量化属性间的关联关系,并对具有高度关联关系的数据属性进行聚类.其次,对聚类产生的各个数据子集进行如下操作:计... |
| 关 键 词： | 差分隐私 高维数据 属性聚类 贝叶斯网络 数据发布 |
| 收稿时间： | 2020-11-16 |
| 修稿时间： | 2021-01-11 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算机应用》浏览原始摘要信息 | |
| 点击此处可从《计算机应用》下载全文 | |