应用BWP指标的差分隐私保护k-means算法

摘要：

差分隐私是一种基于噪声扰动的隐私保护技术,针对差分隐私保护下噪声导致的聚类中心点偏移较大的问题,提出了一种基于BWP(between-within proportion)指标的差分隐私k-means算法.算法将聚类有效性评价指标BWP引入到隐私预算分配过程中,对传统隐私预算分配进行加权处理,在一次迭代中为不同密度分布的簇分配不同的隐私预算,从而添加不同的随机噪声.理论分析表明新算法满足ε-差分隐私保护.基于四个标准数据集对新算法进行了实验,实验结果表明,在聚类结果的可用性以及算法的稳定性上新算法具有优势.

关键词：聚类、k-means算法、BWP指标、差分隐私、隐私预算分配

所属期刊栏目：58

分类号：TP309(计算技术、计算机技术)

资助基金：陕西省重点研发计划2019GY-028

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：108-115