-
题名不完全数据集的差分隐私保护决策树研究
被引量：3
- 1
-
-
作者
沈思倩
毛宇光
江冠儒
-
机构
南京航空航天大学计算机科学与技术学院
南京大学计算机软件新技术国家重点实验室
卡尔斯鲁厄理工学院计算机系
-
出处
《计算机科学》
CSCD
北大核心
2017年第6期139-143,149,共6页
-
文摘
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。
-
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
-
Keywords
Differential privacy
Incomplete data sets
ID3 decision tree algorithm
Random decision tree algorithm
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
