首页|基于分类重要性与隐私约束的K-匿名特征选择

基于分类重要性与隐私约束的K-匿名特征选择

K-ANONYMOUS FEATURE SELECTION BASED ON CLASSIFICATION IMPORTANCE AND PRIVACY CONSTRAINT

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对原始数据集中的隐私属性作为公开特征用于挖掘可能会导致用户隐私泄露,应用K-匿名技术实现隐私保护会造成挖掘性能大幅下降的问题,提出一种基于分类重要性与隐私约束的K-匿名特征选择方法IFP_KACA,用于中文微博用户分类特征的优选.算法通过平衡特征在分类中的重要性和特征隐私度两个指标,结合K-匿名进行特征选择.即根据特征分类重要性排序选择分类性能较好并且满足隐私约束的特征进行K-匿名处理,从而得到保护特征隐私后的优选特征子集.对比实验表明,所提算法筛选的特征集能够平衡隐私保护度和分类挖掘性能,有效检测微博垃圾用户.

樊佳锦、朱焱

展开 >

西南交通大学信息科学与技术学院 四川 成都611756

特征选择 K-匿名 数据隐私 分类

四川省科技计划

2019YFSY0032

2022

10.3969/j.issn.1000-386x.2022.06.006

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(6)
  • 1
  • 4