改进成分分析的差分隐私高维数据发布方法

针对高维数据发布中“维度灾难”所导致发布结果可用性较差的问题，提出一种改进成分分析的差分隐私高维数据发布方法ICAHDP。ICAHDP通过引入属性重要度来优化PCA,利用优化算法对数据进行降维，减少时间和空间的开销。该算法在数据发布的过程中引入基于互信息的评价机制，确定最优的主成分个数。考虑到高维数据中可能存在多个敏感属性，ICAHDP引入敏感属性偏好，结合最优匹配理论，设计敏感属性分级保护策略来满足个性化的差分隐私保护策略。实验表明，ICAHDP不仅保证了发布数据的隐私性，而且很大程度地提升了数据的准确性和实用性。