面向数据直方图发布的差分隐私保护综述 被引量：10

1

作者 王红 葛丽娜 +2 位作者 王丽颖 张静 张翼鹏 《计算机应用研究》 CSCD 北大核心 2017年第6期1609-1612,共4页

与匿名隐私保护相比,差分隐私保护作为一种新的隐私保护技术,能抵抗假设攻击和背景知识攻击。差分隐私保护的直方图发布能够直观地表示数据的发布信息,针对国内外在静态数据集和动态数据流方向上的数据直方图发布的差分隐私保护研究现... 与匿名隐私保护相比,差分隐私保护作为一种新的隐私保护技术,能抵抗假设攻击和背景知识攻击。差分隐私保护的直方图发布能够直观地表示数据的发布信息,针对国内外在静态数据集和动态数据流方向上的数据直方图发布的差分隐私保护研究现状进行介绍,讨论有关静态数据集下直方图存在长区间添加噪声而导致的噪声累积、数据可用性低以及动态数据流下隐私预算容易耗尽问题的解决方法,对基于直方图的差分隐私保护各相关算法进行对比与分析,最后总结出目前差分隐私保护技术的应用及未来的研究方向。 展开更多

关键词 直方图 差分隐私保护 静态数据集 噪声 隐私预算 动态数据流

在线阅读 下载PDF 职称材料

MapReduce框架下支持差分隐私保护的k-means聚类方法 被引量：25

2

作者 李洪成 吴晓平 陈燕 《通信学报》 EI CSCD 北大核心 2016年第2期124-130,共7页

针对传统隐私保护方法无法应对任意背景知识下恶意分析的问题,提出了分布式环境下满足差分隐私的k-means算法。该算法利用Map Reduce计算框架,由主任务控制k-means迭代执行;指派Mapper分任务独立并行计算各数据片中每条记录与聚类中心... 针对传统隐私保护方法无法应对任意背景知识下恶意分析的问题,提出了分布式环境下满足差分隐私的k-means算法。该算法利用Map Reduce计算框架,由主任务控制k-means迭代执行;指派Mapper分任务独立并行计算各数据片中每条记录与聚类中心的距离并标记其属于的聚类;指派Reducer分任务计算同一聚类中的记录数量num和属性向量之和sum,并利用Laplace机制产生的噪声扰动num和sum,进而实现隐私保护。根据差分隐私的组合特性,从理论角度证明整个算法满足ε-差分隐私保护。实验结果证明了该方法在提高隐私性和时效性的情况下,保证了较好的可用性。 展开更多

关键词 数据挖掘 K-均值聚类 MAP REDUCE 差分隐私保护 Laplace机制

在线阅读 下载PDF 职称材料

支持告警序列差分隐私保护的网络入侵关联方法 被引量：9

3

作者 李洪成 吴晓平 《计算机工程》 CAS CSCD 北大核心 2018年第5期128-132,共5页

在网络入侵情报协同分析过程中,告警数据的共享使被攻击者面临隐私泄露的风险。针对现有告警信息隐私保护方法无法应对背景知识下恶意分析的问题,提出一种新的网络告警关联分析方法。以原始告警序列数据集作为输入,利用Laplace机制构建... 在网络入侵情报协同分析过程中,告警数据的共享使被攻击者面临隐私泄露的风险。针对现有告警信息隐私保护方法无法应对背景知识下恶意分析的问题,提出一种新的网络告警关联分析方法。以原始告警序列数据集作为输入,利用Laplace机制构建支持差分隐私保护的噪声告警序列前缀树。在此基础上,通过遍历噪声前缀树生成泛化告警序列数据集,使用频繁序列挖掘算法实现告警关联。从理论角度证明该方法支持ε-差分隐私保护,并在典型多步攻击场景LLDoS1.0 inside数据集上进行验证。实验结果表明,该方法在保护告警序列隐私的同时,能够提高告警关联准确性。 展开更多

关键词 入侵检测 告警关联 差分隐私保护 频繁序列挖掘 前缀树

在线阅读 下载PDF 职称材料

基于差分隐私保护的社交网络发布图生成模型 被引量：4

4

作者 王俊丽 柳先辉 管敏 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第8期1227-1232,共6页

社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一... 社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一个满足差分隐私保护的社交网络发布图生成模型,首先通过图模型表示社交网络结构,并将原图按照节点特征分类为多个子图;然后利用四叉树方法对子图的密集区域进行划分,在树的叶子节点添加满足差分隐私保护的噪声;通过子图重构的方式,生成待发布图.最后,利用度分布、最短路径、聚类系数等统计分析方法,实验验证了该模型的可行性和有用性. 展开更多

关键词 差分隐私保护 社交网络 发布图生成模型

在线阅读 下载PDF 职称材料

面向社交网络分析的差分隐私保护研究综述 被引量：5

5

作者 王俊丽 管敏 魏绍臣 《高技术通讯》 CAS CSCD 北大核心 2015年第3期239-248,共10页

阐述了数据的差分隐私保护概念,给出了差分隐私保护模型,从理论上描述了其噪声机制和组合性质,着重进述了差分隐私保护模型在社交网络发布数据隐私保护上的应用及发展,给出了差分隐私保护应用于度分布查询、子图计数、聚类系数计算、边... 阐述了数据的差分隐私保护概念,给出了差分隐私保护模型,从理论上描述了其噪声机制和组合性质,着重进述了差分隐私保护模型在社交网络发布数据隐私保护上的应用及发展,给出了差分隐私保护应用于度分布查询、子图计数、聚类系数计算、边权重计算等社交网络分析技术的实验结果。分析发现,研究差分隐私保护应重点考虑隐私预算和噪声机制,隐私预算决定了隐私保护强度,噪声机制决定了查询准确性;探讨差分隐私保护在社交网络领域的应用,是一个重要的研究方向。 展开更多

关键词 差分隐私保护 社交网络分析 图挖掘 统计方法

在线阅读 下载PDF 职称材料

基于拉普拉斯机制的差分隐私保护k-means++聚类算法研究 被引量：21

6

作者 傅彦铭 李振铎 《信息网络安全》 CSCD 北大核心 2019年第2期43-52,共10页

k-means++聚类算法是为了解决k-means聚类算法的准确度受其初始中心点选取的影响较大的问题而提出的,在聚类过程中,需要对相关的隐私数据提供保护。差分隐私模型定义了一种具有最大背景知识假设的攻击模型,并且能对隐私保护强度进行量... k-means++聚类算法是为了解决k-means聚类算法的准确度受其初始中心点选取的影响较大的问题而提出的,在聚类过程中,需要对相关的隐私数据提供保护。差分隐私模型定义了一种具有最大背景知识假设的攻击模型,并且能对隐私保护强度进行量化分析。文章提出一种基于拉普拉斯机制的差分隐私保护k-means++聚类算法(DPk-means++聚类算法),在初始化选取中心点和迭代求均值中心点的过程中,分别根据拉普拉斯机制添加噪声,解决了k-means++聚类算法随机选取初始化中心点隐私泄露的问题和迭代求簇心隐私泄露问题。通过实验分别对隐私预算动态变化对比及聚类准确性结果进行分析,DPk-means++聚类算法能够在隐私预算参数范围内且保证聚类准确性的前提下,实现对数据隐私提供不同级别的保护。 展开更多

关键词 差分隐私保护 拉普拉斯机制 k-means++ 聚类

在线阅读 下载PDF 职称材料

基于动态分类树构造的集值型数据差分隐私保护方法 被引量：1

7

作者 郑剑 黄奚芳 刘聪 《计算机应用研究》 CSCD 北大核心 2015年第8期2420-2424,2436,共6页

基于分类树划分的差分隐私方法能有效地对集值型数据的发布进行保护,但在构造分类树时该方法没有充分利用集值型数据集自身的特征。通过对添加噪声量的影响因素分析,提出了一种基于数据集特征的集值型数据发布方法,该方法首先对数据集... 基于分类树划分的差分隐私方法能有效地对集值型数据的发布进行保护,但在构造分类树时该方法没有充分利用集值型数据集自身的特征。通过对添加噪声量的影响因素分析,提出了一种基于数据集特征的集值型数据发布方法,该方法首先对数据集进行分析,然后根据数据集中记录的种类数占总输出域的比例以及只出现一次的记录种类数占总输出域比例,动态构造分类树。实验结果表明:当数据集满足IOR≤40%且SIOR=(5%,20%]时,通过有效利用集值型数据集的特征,构造较优的分类树,可以添加少于10%的噪声。 展开更多

关键词 分类树 差分隐私保护 集值型数据 数据集特征

在线阅读 下载PDF 职称材料

基于OPTICS聚类的差分隐私保护算法的改进 被引量：8

8

作者 王红 葛丽娜 +3 位作者 王苏青 王丽颖 张翼鹏 梁竣程 《计算机应用》 CSCD 北大核心 2018年第1期73-78,共6页

采用聚类算法预先处理个人隐私信息实现差分隐私保护,能够减少直接发布直方图数据带来的噪声累积现象,同时减小了直方图因合并方式不同带来的重构误差。针对DP-DBSCAN差分隐私算法存在对数据参数输入敏感问题,将基于密度聚类的OPTICS算... 采用聚类算法预先处理个人隐私信息实现差分隐私保护,能够减少直接发布直方图数据带来的噪声累积现象,同时减小了直方图因合并方式不同带来的重构误差。针对DP-DBSCAN差分隐私算法存在对数据参数输入敏感问题,将基于密度聚类的OPTICS算法应用于差分隐私保护中,并提出改进的DP-OPTICS差分隐私保护算法,对稀疏型数据集进行压缩处理,对比采用同方差噪声和异方差噪声两种添加噪声方式,考虑攻击者能够攻破隐私信息的概率,确定隐私参数ε的上界,有效平衡了敏感信息的隐私性和数据的可用性之间的关系。将DP-OPTICS算法和基于OPTICS聚类的差分隐私保护算法、DP-DBSCAN算法进行对比,DP-OPTICS算法在时间消耗上介于其余二者之间,但是在取得相同参数的情况下,聚类的稳定性在三者中最好,因此改进后OP-OPTICS差分隐私保护算法总体上是可行的。 展开更多

关键词 聚类算法 个人隐私 重构误差 差分隐私保护 OPTICS算法

在线阅读 下载PDF 职称材料

基于差分隐私保护的数据分级融合发布机制 被引量：9

9

作者 李万杰 张兴 +2 位作者 曹光辉 李帅 张青云 《小型微型计算机系统》 CSCD 北大核心 2019年第10期2252-2256,共5页

数据的融合发布能够为用户提供更为有效的数据统计结果和更加个性化的服务.现有的数据融合模型主要采用K-匿名隐私保护方法,没有考虑数据使用者的权限及重要程度对数据隐私带来的影响,致使隐私数据的严重泄露和数据质量严重下降.针对这... 数据的融合发布能够为用户提供更为有效的数据统计结果和更加个性化的服务.现有的数据融合模型主要采用K-匿名隐私保护方法,没有考虑数据使用者的权限及重要程度对数据隐私带来的影响,致使隐私数据的严重泄露和数据质量严重下降.针对这一问题,提出一种基于差分隐私保护的数据分级融合发布机制(HDFPM).该机制对用户权限及付费情况进行分级,在数据融合过程中结合差分隐私保护技术,利用分类树及其改进算法进行数据融合,合理分配分级的差分隐私预算,实现融合数据隐私保护的分级化.实验结果表明,该机制不仅可以实现数据的有效融合,还可以保护敏感数据. 展开更多

关键词 数据融合发布 差分隐私保护 用户分级 分类树

在线阅读 下载PDF 职称材料

基于差分隐私保护的兴趣点推荐算法设计 被引量：7

10

作者 张青云 张兴 +2 位作者 李万杰 李帅 李晓会 《计算机应用与软件》 北大核心 2019年第9期243-248,269,共7页

兴趣点推荐算法收集用户的历史行为记录,根据收集到的记录推测用户偏好,结合用户偏好向用户推荐新的兴趣点。针对传统的兴趣点推荐过程中,用户的隐私信息容易被泄露的问题,利用差分隐私保护机制对用户信息进行保护,防止被恶意攻击。差... 兴趣点推荐算法收集用户的历史行为记录,根据收集到的记录推测用户偏好,结合用户偏好向用户推荐新的兴趣点。针对传统的兴趣点推荐过程中,用户的隐私信息容易被泄露的问题,利用差分隐私保护机制对用户信息进行保护,防止被恶意攻击。差分隐私保护实现机制主要包括指数机制和拉普拉斯机制,均被使用于地理位置隐私保护算法中。基于差分隐私保护的地理位置隐私保护算法根据数据集中各项记录的相互关系建立位置搜索树;运用指数机制并结合树的结构挑选出经常访问的k项纪录;对这k项记录添加拉普拉斯噪声,发布加噪后的位置搜索树。实验表明,该算法能在推荐效果不变的情况下,有效地保护用户的隐私信息。 展开更多

关键词 兴趣点推荐 差分隐私保护 地理位置隐私 位置搜索树

在线阅读 下载PDF 职称材料

MapReduce框架下支持差分隐私保护的随机梯度下降算法 被引量：3

11

作者 俞艺涵 付钰 吴晓平 《通信学报》 EI CSCD 北大核心 2018年第1期70-77,共8页

针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算... 针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算法;启动Reduce分任务合并满足更新要求的分目标更新模型,并加入拉普拉斯随机噪声实现差分隐私保护。根据差分隐私保护原理,证明了算法满足e-差分隐私保护要求。实验表明该算法具有明显的效率优势并有较好的数据可用性。 展开更多

关键词 机器学习 随机梯度下降 MAPREDUCE 差分隐私保护 拉普拉斯机制

在线阅读 下载PDF 职称材料

基于差分隐私保护的电力线损数据共享研究 被引量：6

12

作者 项胤兴 杨里 +1 位作者 陈伯建 李国才 《计算机应用与软件》 北大核心 2023年第7期333-336,341,共5页

在电力线损的分析和降损措施研究中,大量用到电力营销、用电等数据,这些数据涉及用户隐私和商业秘密,如果开放应用将面临着较大的隐私泄露风险。结合区块链的不可篡改性和全流程可溯源的特点,考虑应用系统的安全等级差异和多方数据的整... 在电力线损的分析和降损措施研究中,大量用到电力营销、用电等数据,这些数据涉及用户隐私和商业秘密,如果开放应用将面临着较大的隐私泄露风险。结合区块链的不可篡改性和全流程可溯源的特点,考虑应用系统的安全等级差异和多方数据的整合,提出满足差分隐私要求的电力隐私数据多安全层级的共享方案。该方案能够将隐私数据泄露的风险降低到可以控制的范围,从而消除数据持有方信息安全的担忧,对电力数据的大规模开发利用有借鉴意义。 展开更多

关键词 电力隐私数据 差分隐私保护 区块链

在线阅读 下载PDF 职称材料

不完全数据集的差分隐私保护决策树研究 被引量：3

13

作者 沈思倩 毛宇光 江冠儒 《计算机科学》 CSCD 北大核心 2017年第6期139-143,149,共6页

主要研究在对不完全数据集进行决策树分析时,如何加入差分隐私保护技术。首先简单介绍了差分隐私ID3算法和差分隐私随机森林决策树算法;然后针对上述算法存在的缺陷和不足进行了修改,提出指数机制的差分隐私随机森林决策树算法;最后对... 主要研究在对不完全数据集进行决策树分析时,如何加入差分隐私保护技术。首先简单介绍了差分隐私ID3算法和差分隐私随机森林决策树算法;然后针对上述算法存在的缺陷和不足进行了修改,提出指数机制的差分隐私随机森林决策树算法;最后对于不完全数据集提出了一种新的WP(Weight Partition)缺失值处理方法,能够在不需要插值的情况下,使决策树分析算法既能满足差分隐私保护,也能拥有更高的预测准确率和适应性。实验证明,无论是Laplace机制还是指数机制,无论是ID3算法还是随机森林决策树算法,都能适用于所提方法。 展开更多

关键词 差分隐私保护 不完全数据集 ID3算法 随机森林决策树

在线阅读 下载PDF 职称材料

面向云计算应用的用电负荷数据差分隐私保护方法 被引量：16

14

作者 于群 沈志恒 +1 位作者 孙飞飞 李知艺 《电力自动化设备》 EI CSCD 北大核心 2022年第7期68-75,共8页

随着云计算技术的发展,用户可以利用公共计算资源低成本、高效率地完成机器学习等大数据分析业务,但在提升计算效率和经济效益的同时,也面临隐私泄露风险。针对以机器学习即服务为代表的云计算中潜藏的用电负荷数据泄露问题,提出了一种... 随着云计算技术的发展,用户可以利用公共计算资源低成本、高效率地完成机器学习等大数据分析业务,但在提升计算效率和经济效益的同时,也面临隐私泄露风险。针对以机器学习即服务为代表的云计算中潜藏的用电负荷数据泄露问题,提出了一种差分隐私保护框架下基于时序生成对抗网络的用电负荷数据脱敏方法,通过使用满足差分隐私的脱敏合成数据替代原始敏感数据,从而有效阻止攻击者根据窃取的训练数据推断真实的敏感信息。引入瑞利差分隐私机制,在保留负荷数据统计学特征的前提下去除个体特征;在此基础上,采用循环神经网络作为生成对抗网络的生成器和判别器,捕获负荷数据的动态时间特性;同时,将自编码器与生成对抗网络相结合,进一步挖掘负荷数据的静态特征。通过理论推导证明了所提方法能够满足差分隐私要求,且可以对总隐私预算进行量化。数值实验结果表明,所提方法能保证隐私保护处理后用电负荷数据的隐私性和可用性。 展开更多

关键词 用电负荷数据 云计算 差分隐私保护 生成对抗网络 自编码器 数据脱敏

在线阅读 下载PDF 职称材料

面向电力工控网络大数据的微聚集差分隐私保护方法 被引量：10

15

作者 程伟华 谭晶 +1 位作者 徐明生 倪震 《南京理工大学学报》 EI CAS CSCD 北大核心 2019年第5期571-577,共7页

针对隐私泄露问题,该文提出一种在频繁模式挖掘中依托微聚集算法实现的差分隐私保护方法,并将其应用到电力工控网络中。通过对指数机制和每个模式的微聚集权重的权衡,选择了Top-k频繁模式方法,并加入拉普拉斯噪声进行扰动,使每个被选择... 针对隐私泄露问题,该文提出一种在频繁模式挖掘中依托微聚集算法实现的差分隐私保护方法,并将其应用到电力工控网络中。通过对指数机制和每个模式的微聚集权重的权衡,选择了Top-k频繁模式方法,并加入拉普拉斯噪声进行扰动,使每个被选择模式的原始支持度均实现了隐私保护与效用的平衡,最大程度地确保了信息发布、数据分析需求和隐私保护需求的平衡,保障了各方对电力工控系统的信任和电力工控系统的健康成长,在数据集上的实验结果验证了该方法的有效性。 展开更多

关键词 微聚集 匿名化 频繁模式挖掘 差分隐私保护

在线阅读 下载PDF 职称材料

5G网络环境下云计算数据差分隐私保护算法研究 被引量：5

16

作者 李君茹 赵莉 《南京理工大学学报》 CAS CSCD 北大核心 2023年第5期708-714,共7页

为了解决5G网络环境下云计算环境的复杂性和不确定性因素导致其差分隐私保护效果较差这一问题,该文研究了5G网络环境下云计算数据差分隐私保护算法。建立5G网络环境下云计算数据差分隐私保护架构,利用信息熵抑制方式,消冗处理5G网络环... 为了解决5G网络环境下云计算环境的复杂性和不确定性因素导致其差分隐私保护效果较差这一问题,该文研究了5G网络环境下云计算数据差分隐私保护算法。建立5G网络环境下云计算数据差分隐私保护架构,利用信息熵抑制方式,消冗处理5G网络环境下云计算数据。将5G网络环境内云计算数据看作一个社区,并对社区内的云计算数据添加拉普拉斯噪声。通过重构云计算数据社区内的边和社区之间的边,实现5G网络环境下云计算数据差分隐私保护。实验结果表明:该算法对云计算数据消冗处理后,数据结构复杂度最大降低1.2,对数据实施差分隐私保护后,信息泄露比明显降低,表明该研究方法具有较为显著的应用效果。 展开更多

关键词 5G网络环境 云计算数据 差分隐私保护 信息熵 概率边重构 剩余度

在线阅读 下载PDF 职称材料

差分隐私保护WGAN-GP算法研究 被引量：5

17

作者 于雅娜 李红娇 李晋国 《计算机应用研究》 CSCD 北大核心 2021年第9期2837-2841,共5页

针对攻击者利用生成式对抗网络技术(GAN)还原出训练集中的数据,泄露用户隐私信息的问题,提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的方法。该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声,并使用梯... 针对攻击者利用生成式对抗网络技术(GAN)还原出训练集中的数据,泄露用户隐私信息的问题,提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的方法。该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声,并使用梯度惩罚进行梯度修正,实现差分隐私保护。利用梯度惩罚Wasserstein生成对抗网络与原始数据相似的数据。实验结果表明,在保证数据可用性的前提下,该方法可以有效保护数据的隐私信息,且生成数据具有较好的质量。 展开更多

关键词 差分隐私保护 深度学习 梯度惩罚Wasserstein生成对抗网络

在线阅读 下载PDF 职称材料

基于差分隐私保护和近邻优化的微博僵尸用户检测

18

作者 李明娟 朱焱 李春平 《计算机应用与软件》 北大核心 2022年第5期54-59,共6页

僵尸用户导致的数据造假现象严重影响了微博的健康发展。针对采用基于密度的DPC算法进行僵尸用户检测时存在泄露正常用户隐私信息,以及在密度分布不均匀的微博数据中检测结果不理想的问题,提出一种基于差分隐私技术和近邻优化的僵尸用... 僵尸用户导致的数据造假现象严重影响了微博的健康发展。针对采用基于密度的DPC算法进行僵尸用户检测时存在泄露正常用户隐私信息,以及在密度分布不均匀的微博数据中检测结果不理想的问题,提出一种基于差分隐私技术和近邻优化的僵尸用户检测方法。该方法将满足差分隐私的Laplace噪声添加至检测过程中,以实现基于隐私保护的僵尸用户检测。并通过引入反向k近邻的概念重新定义样本密度,从而更准确地反映样本点的局部信息,提高在非均匀分布的数据中僵尸用户检测的准确率。实验结果表明,该方法在实现正常用户隐私保护的同时,僵尸用户检测的准确率提高约4百分点。 展开更多

关键词 僵尸用户检测 隐私泄露 差分隐私保护 近邻优化

在线阅读 下载PDF 职称材料

基于扩散式差分隐私的联邦学习数据保护方法 被引量：2

19

作者 雷靖鹏 任诚 《电讯技术》 北大核心 2024年第11期1765-1771,共7页

传统的联邦学习(Federated Learning,FL)差分隐私(Differential Privacy,DP)保护机制在一定程度上抵御了差分攻击,防止用户数据的泄露问题,但是引入的噪声扰动在一定程度上又影响了原本数据,导致在服务器聚合时与原本数据产生影响较大... 传统的联邦学习(Federated Learning,FL)差分隐私(Differential Privacy,DP)保护机制在一定程度上抵御了差分攻击,防止用户数据的泄露问题,但是引入的噪声扰动在一定程度上又影响了原本数据,导致在服务器聚合时与原本数据产生影响较大的偏差,严重影响了全局模型的准确率和收敛性。为了解决这一问题,提出了一种基于扩散式联邦学习差分隐私保护(Diffusive Differential Privacy Federated Learning,DDPFL)方法,通过在服务器端聚合之前更加精确地对噪声进行拟合,还原精度更高的数据样本,降低了对原模型的影响。在数据分布为IID和Non-IID联邦学习实际场景下验证了该方法的有效性。在数据分布为Non-IID场景下,所提方法与联邦学习原始差分隐私保护方法相比,准确率在其基础上提高了1.7%~4.6%。 展开更多

关键词 差分隐私保护 数据泄露 联邦学习 扩散式传播

在线阅读 下载PDF 职称材料

基于差分隐私k-means++的一种隐私预算分配方法

20

作者 晏玲 赵海良 《信息安全研究》 北大核心 2025年第8期710-717,共8页

针对传统差分隐私k-means++算法,常用的均分法分配隐私预算无法适应不同部位对隐私预算的不同需求,而二分法中隐私预算消耗过快会使得后期噪声过多,均会导致聚类效果不佳.为解决该问题,结合等差法和均分法提出了一种新的隐私预算分配方... 针对传统差分隐私k-means++算法,常用的均分法分配隐私预算无法适应不同部位对隐私预算的不同需求,而二分法中隐私预算消耗过快会使得后期噪声过多,均会导致聚类效果不佳.为解决该问题,结合等差法和均分法提出了一种新的隐私预算分配方法.在选取初始中心点时采用均分法分配隐私预算,更新中心点的过程结合最小隐私预算,前期采用等差法,后期采用均分法.该方法使得前期分配的隐私预算较大,保证了聚类中心不会发生严重形变,后期隐私预算的消耗速度适中,避免了加入过多噪声而影响聚类效果.一系列基于真实数据的实验结果表明,与原k-means++相比,最低误差仅有0.09%;与均分法和二分法相比,聚类准确率最高分别提升了14.9%和16.9%.由此可见该方法明显优于均分法和二分法,在一定程度上能够提升聚类结果的可用性和准确性. 展开更多

关键词 信息安全 数据挖掘 差分隐私保护 k-means++ 隐私预算分配

在线阅读 下载PDF 职称材料