基于差分隐私的K-means算法优化研究综述
差分隐私K-means算法(Differential Privacy K-means Algorithm,DP K-means)作为一种基于差分隐私技术的隐私保护数据挖掘(Privacy Preserving Data Mining,PPDM)模型,因简单高效且可保障数据的隐私而备受研究者的关注.文中首先阐述了差分隐私K-means算法的原理、隐私攻击模型,以分析算法的不足.然后从数据预处理、隐私预算分配、聚簇划分等3个角度讨论分析DP K-means算法改进研究的优缺点,并对研究中的相关数据集和通用评价指标进行了总结.最后指出DP K-means算法改进研究中亟待解决的挑战性问题,并展望了DP K-means算法的未来发展趋势.
差分隐私K-means算法;差分隐私;隐私保护;隐私保护数据挖掘
49
TP309(计算技术、计算机技术)
国家自然科学基金;自治区科技厅国际合作项目;自治区研究生科研创新项目
2022-03-07(万方平台首次上网日期,不代表论文的发表时间)
共12页
162-173