计算机应用

作者：陈恒恒, 倪志伟, 朱旭辉, 金媛媛, 陈千

单位：1. 合肥工业大学 管理学院, 合肥 230009;2. 过程优化与智能决策教育部重点实验室(合肥工业大学), 合肥 230009

关键词：差分隐私,高维数据,属性聚类,贝叶斯网络,数据发布

基金：国家自然科学基金资助项目（91546108，61806068）；安徽省科技重大专项（201903a05020020）；安徽省自然科学基金资助项目（1908085QG298）。

针对已有差分隐私高维数据发布方法无法有效兼顾数据间复杂属性的关联关系和计算成本的问题，提出一种基于聚类分析技术的差分隐私高维数据发布方法PrivBC。首先，基于K-means++设计属性聚类方法，引入最大信息系数量化属性间的关联关系，并对具有高度关联关系的数据属性进行聚类。其次，对聚类产生的各个数据子集进行如下操作：计算关系矩阵以缩减属性对的候选空间，并构建满足差分隐私的贝叶斯网络。最后，根据贝叶斯网络采样每个属性，并合成新的隐私数据集进行发布。与PrivBayes方法相比，PrivBC方法的误分类率和运行时间分别平均降低了12.6%和30.2%。实验结果表明，所提方法在有效保证数据可用性的基础上，可以显著提高计算效率，为高维数据的隐私发布提供了新思路。

来源：2021年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第9期