面向隐私保护的频繁项集挖掘算法

摘要：

目前已有多种满足ε-差分隐私的频繁项集挖掘算法,但这些算法在处理高维数据集时难以兼顾安全性和效用性.针对该问题,文章提出一种面向隐私保护的频繁项集挖掘算法——TrunSuper.该算法先对事务数据集进行截断以降维,将事务中的项按支持度从大到小进行排序,剔除支持度较小的项,从而降低发布的频繁项集的支持度误差.文章证明了该算法在满足ε-差分隐私的同时具有较好的可用性,且在真实数据集上验证了算法的优越性.

关键词：频繁项集挖掘、差分隐私、事务截断、拉普拉斯机制

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江苏省自然科学基金面上项目

在线出版日期：2019-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：73-81