差分隐私保护下一种精确挖掘top-k频繁模式方法 |
| |
引用本文: | 张啸剑,王淼,孟小峰.差分隐私保护下一种精确挖掘top-k频繁模式方法[J].计算机研究与发展,2014(1). |
| |
作者姓名: | 张啸剑 王淼 孟小峰 |
| |
作者单位: | 中国人民大学信息学院;河南财经政法大学计算机与信息工程学院; |
| |
基金项目: | 国家自然科学基金项目(61379050,91024032,91224008,91124001,91324015);国家“八六三”高技术研究发展计划基金项目(2012AA011001,2013AA013204);高等学校博士学科点专项科研基金项目(20130004130001);中国人民大学科学研究基金项目(11XNL010) |
| |
摘 要: | 频繁模式挖掘是分析事务数据集常用技术.然而,当事务数据集含有敏感数据时(如用户行为记录、电子病例等),直接发布频繁模式及其支持度计数会给个人隐私带来相当大的风险.对此提出了一种满足ε-差分隐私的top-k频繁模式挖掘算法DP-topkP(differentially private top-kpattern mining).该算法利用指数机制从候选频繁模式集合中挑选出top-k个携带真实支持度计数的模式;采用拉普拉斯机制产生的噪音扰动所选模式的真实支持度计数;为了增强输出模式的可用性,采用后置处理技术对top-k个模式的噪音支持度计数进行求精处理.从理论角度证明了该算法满足ε-差分隐私,并符合(λ,δ)-useful要求.实验结果证明了DP-topkP算法具有较好的准确性、可用性和可扩展性.
|
关 键 词: | 频繁模式挖掘 top-k模式 差分隐私 拉普拉斯机制 指数机制 |
本文献已被 CNKI 等数据库收录! |
|