期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于本地差分隐私的K-modes聚类数据隐私保护方法
被引量：
14
1
作者
张少波
原刘杰
+1 位作者
毛新军
朱更明
《电子学报》
EI
CAS
CSCD
北大核心
2022年第9期2181-2188,共8页
分类型数据聚类是数据挖掘的重要研究内容,聚类数据中通常包含用户一些敏感信息.为保护聚类数据中的用户隐私,当前主要采用基于可信第三方隐私保护模型,但现实中第三方也存在隐私泄露风险.针对此问题,该文引入本地差分隐私技术,提出一...
分类型数据聚类是数据挖掘的重要研究内容,聚类数据中通常包含用户一些敏感信息.为保护聚类数据中的用户隐私,当前主要采用基于可信第三方隐私保护模型,但现实中第三方也存在隐私泄露风险.针对此问题,该文引入本地差分隐私技术,提出一种去可信第三方的K-modes聚类数据隐私保护方法.该方法首先利用随机采样技术对数据进行采样,然后使用本地差分隐私技术对采样数据进行扰动,最后通过聚类服务端与用户的交互迭代完成聚类.在聚类过程中,无需可信第三方对数据进行隐私预处理,避免了第三方泄露用户隐私的风险.理论分析证明了该方法的隐私性和可行性,实验结果表明该方法在满足本地差分隐私机制的前提下保证了聚类结果的质量.
展开更多
关键词
隐私保护
本地差分隐私
数据挖掘
K-modes聚类
去可信第三方
在线阅读
下载PDF
职称材料
题名
基于本地差分隐私的K-modes聚类数据隐私保护方法
被引量：
14
1
作者
张少波
原刘杰
毛新军
朱更明
机构
湖南科技大学计算机科学与工程学院
国防科技大学复杂系统软件工程重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第9期2181-2188,共8页
基金
湖南省自然科学基金面上项目(No.2020JJ4317,No.2020JJ4250)
湖南省教育厅科学研究重点项目(No.21A0318,No.19A275)
湖南省研究生科研创新项目(No.CX20200999)。
文摘
分类型数据聚类是数据挖掘的重要研究内容,聚类数据中通常包含用户一些敏感信息.为保护聚类数据中的用户隐私,当前主要采用基于可信第三方隐私保护模型,但现实中第三方也存在隐私泄露风险.针对此问题,该文引入本地差分隐私技术,提出一种去可信第三方的K-modes聚类数据隐私保护方法.该方法首先利用随机采样技术对数据进行采样,然后使用本地差分隐私技术对采样数据进行扰动,最后通过聚类服务端与用户的交互迭代完成聚类.在聚类过程中,无需可信第三方对数据进行隐私预处理,避免了第三方泄露用户隐私的风险.理论分析证明了该方法的隐私性和可行性,实验结果表明该方法在满足本地差分隐私机制的前提下保证了聚类结果的质量.
关键词
隐私保护
本地差分隐私
数据挖掘
K-modes聚类
去可信第三方
Keywords
privacy protection
local differential privacy
data mining
k-modes clustering
no trusted third-party
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于本地差分隐私的K-modes聚类数据隐私保护方法
张少波
原刘杰
毛新军
朱更明
《电子学报》
EI
CAS
CSCD
北大核心
2022
14
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
