首页|一种改进的差分隐私聚类位置保护方法

一种改进的差分隐私聚类位置保护方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
差分隐私常被应用于位置隐私保护场景中,通过给位置点加入干扰噪声来混淆真实数据以达到保护隐私目的,但该方法会造成大量噪声数据冗余,影响位置的真实性.为解决该问题,提出一种新的基于差分隐私的DPK-MO算法来保护用户真实位置.在确定初始中心点时加入邻接密度和最小误差平方,并始终选取样本误差平方和最小的点作为中心再聚类,剔除离散点,合并密度小的聚类集,最后合理加入符合差分隐私的拉普拉斯噪声来得到虚拟位置.实验结果证明,该方法可有效缓解数据集范围广、边界值影响大、密度分布不均的问题,降低了查询误差.在同一隐私参数下与差分隐私K-means聚类方法相比,数据可用性提升了30％.
An Improved Differential Privacy Clustering Location Protection Method

林静、胡德敏、王揆豪

展开 >

上海理工大学光电信息与计算机工程学院,上海200093

位置隐私保护 差分隐私 聚类算法 DPK-MO

国家自然科学基金国家自然科学基金上海市教委科研创新重点项目上海市一流学科建设项目

611702776147225612zz137S1201YLXK

2021

10.11907/rjdk.211031

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(12)
  • 11