支持本地化差分隐私保护的k-modes聚类方法

如何在保护数据隐私的同时进行可用性的数据挖掘已成为热点问题。鉴于在很多实际应用场景中,很难找到一个真正可信的第三方对用户的敏感数据进行处理,文中首次提出了一种支持本地化差分隐私技术的聚类方案——LDPK-modes(Local Differential Privacy K-modes)。与传统的基于中心化差分隐私的聚类算法相比,其不再需要一个可信的第三方对数据进行收集和处理,而由用户担任数据隐私化的工作,极大地降低了第三方窃取用户隐私的可能性。用户使用满足本地d-隐私(带有距离度量的本地差分隐私技术)定义的随机响应机制对敏感数据进行扰动,第三方收集到用户扰动数据后,恢复其统计特征,生成合成数据集,并进行k-modes聚类。在聚类过程中,将数据集上频繁出现的特征分配给初始聚类中心点,进一步提高了聚类结果的可用性。理论分析和实验结果表明了LDPK-modes的隐私性和聚类可用性。     

对硝基氯苯的碱性水解反应动力学研究

本文用高压小封管法在水介质中做了对硝基氯苯碱性水解反应动力学实验,测定了反应温度、碱浓度、配料比,搅拌强度等因素对反应转化率的影响。实验证明,反应在很大范围内是传质控制的非均相反应。只有当对硝基氯苯浓度很低时才出现均相反应。提出均相反应条件下的本征动力学方程式。据实验预计,在工业生产中该反应受传质因素的控制。