-
题名基于马尔可夫聚类的隐私高维数据发布方法
- 1
-
-
作者
刘卓群
龙士工
张珺铭
刘光源
-
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
贵州建设职业技术学院基础部
-
出处
《计算机工程与设计》
北大核心
2025年第1期117-123,共7页
-
基金
国家自然科学基金项目(62062020)。
-
文摘
针对现有差分隐私的方法在处理高维数据发布时面临计算成本高、数据精度低和中心服务器不可信任的问题,提出一种基于马尔可夫聚类的隐私高维数据发布方法MCL-LDP。基于在用户本地实现对用户数据的隐私保护,中心服务器接收到用户本地化差分隐私保护的数据后,构建无向依赖图矩阵表示高维数据的复杂的属性关联性,基于马尔可夫聚类将高维数据属性集分割成多个低维属性簇,利用EM算法计算低维属性簇和重叠属性簇的边缘分布、估计原始数据的联合分布,通过采样合成新的数据集进行发布。实验结果表明,所提出方法在发布高维数据集上有较好的精度、较少的迭代次数和较高的计算效率。
-
关键词
高维数据
本地化差分隐私
马尔可夫聚类
数据发布
联合分布估计
属性关联性
数据合成
-
Keywords
high dimensional data
local differential privacy
Markov clustering
data publishing
joint distribution estimation
attribute associativity
data synthesis
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-
-
题名面向横向联邦学习中公平性算法
- 2
-
-
作者
罗靖
龙士工
吕宏钦
张珺铭
-
机构
贵州大学公共大数据国家重点实验室
贵州大学计算机科学与技术学院
中国科学院大学计算技术研究所处理器芯片全国重点实验室
贵州建设职业技术学院基础部
-
出处
《计算机工程与设计》
北大核心
2025年第7期1848-1855,共8页
-
基金
国家自然科学基金项目(62062020)。
-
文摘
激励机制是联邦学习的重要研究方向,如何公平且简单的评估贡献值是设计激励机制的难题。针对这一问题,设计一种相似性补全联邦Shapley值算法(SimComFedSV)计算贡献值以提高公平性,运用蒙特卡洛采样方法结合矩阵补全技术降低算法的时间和空间复杂度。在此基础上,提出比例尺补全算法(ScaBarCompletion)高效补全效用矩阵。与目前最好的算法相比,SimComFedSV算法的矩阵补全速度在MNIST和CIFAR-10上分别提升了67.79%、67.16%,公平性指标上有所提高。
-
关键词
联邦学习
贡献测量
公平性
夏普里值
激励机制
蒙特卡洛
矩阵补全
-
Keywords
federated learning
contribution measurement
fairness
Shapley value
incentive mechanism
Monte-Carlo
matrix completion
-
分类号
TP302.2
[自动化与计算机技术—计算机系统结构]
-
