| 利用PCA增强随机化隐私数据保护方法 |
| |
| 引用本文： | 温晗,林怀忠.利用PCA增强随机化隐私数据保护方法[J].计算机应用与软件,2008,25(2):261-263. |
| |
| 作者姓名： | 温晗 林怀忠 |
| |
| 作者单位： | 浙江大学计算机学院,浙江,杭州,310027 |
| |
| 摘 要： | 基于随机化的数据扰乱及重构技术是数据挖掘中的隐私保护(Privacy-Preserving Data Mining,PPDM)领域中最重要的方法之一.但是,随机化难以消除由于属性变量本身相关性引起的数据泄漏.介绍了一种利用主成分分析(Principal Component Analysis,PCA)进行属性精简的增强随机化方法,降低了参与数据挖掘的属性数据间相关性,更好地保护了隐私数据.
|
| 关 键 词： | 隐私保护的数据挖掘(PPDM) 随机化方法 主成分分析(PCA) 信息遗失率 |
| 收稿时间： | 2006-01-17 |
| 修稿时间： | 2006年1月17日 |
USING PCA TO IMPROVE RANDOMIZATION SCHEME OF PPDM |
| |
| Wen Han,Lin Huaizhong.USING PCA TO IMPROVE RANDOMIZATION SCHEME OF PPDM[J].Computer Applications and Software,2008,25(2):261-263. |
| |
| Authors: | Wen Han Lin Huaizhong |
| |
| Affiliation: | Wen Han Lin Huaizhong (College of Computer Science,Zhejiang University,Hangzhou 310027,Zhejiang,China) |
| |
| Abstract: | Randomization,as one of the most important schemes in Privacy-Preserving Data Mining(PPDM) field,can't eliminate privacy breaches of datasets with high correlated attributes effectively.An improvement on randomization scheme is made through the Principal Component Analysis(PCA) to reduce the correlation between the attributes involved in data mining and preserve privacy of original data better. |
| |
| Keywords: | Privacy-preserving data mining(PPDM) Randomization Principal component analysis(PCA) Ratio of information loss |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
