为改进传统PrivBayes算法随机选择首选属性结点以及对所有属性低维联合概率加入相同噪声,从而导致构建的贝叶斯网络精确度低、合成数据可用性差问题,提出一种改进贝叶斯网络的个性化差分隐私算法CSAPrivBayes.该算法通过关联敏感属性程度划分属性区域以分配隐私预算,同时改进贝叶斯网络的初始结点随机选择机制.在Adult数据集上进行仿真实验,结果表明改进后的算法在合成数据集上的误分类率降至15％,贝叶斯网络精确度在ε=1.6时达到84％,总体效果优于传统算法.改进后的算法在保证数据发布安全性的同时提高了数据可用性.
国家科技期刊平台
NSTL
万方数据
维普
