文献类型：期刊文章

作　　者：张小玉[1,2] 沈国华[1,2,3] 杨阳[1,2]

ZHANG Xiao-Yu;SHEN Guo-Hua;YANG Yang(College of Computer Science and Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China;Key Laboratory of Safety-critical Software,Ministry of Industry and Information Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China;Collaborative Innovation Center of Novel Software Technology and Industrialization,Nanjing University,Nanjing 210093,China)

机构地区：[1]南京航空航天大学计算机科学与技术学院,南京211106 [2]南京航空航天大学高安全系统的软件开发与验证技术工业和信息化部重点实验室,南京211106 [3]南京大学软件新技术与产业化协同创新中心,南京210093

出　　处：《计算机系统应用》

基　　金：国家自然科学基金(61772270)

年　　份：2022

卷　　号：31

期　　号：10

起止页码：225-235

语　　种：中文

收录情况：IC、JST、ZGKJHX、普通刊

摘　　要：针对现有多属性数据隐私发布方法无法兼顾属性的敏感性差异和计算效率低的问题,提出了一种基于属性分割的差分隐私异构多属性数据发布方法HMPrivBayes.首先,设计了满足差分隐私的谱聚类算法分割原始数据集,其中相似矩阵的生成借助于属性最大信息系数.其次,借助属性信息,该方法使用满足差分隐私的改进贝叶斯网络构建算法分别为每个数据子集构建贝叶斯网络.最后,以属性归一化风险熵为权重分配隐私预算,对贝叶斯网络提取的属性联合分布添加异构噪声扰动,实现了异构多属性数据保护.实验结果表明,HMPrivBayes可以在减少注入合成数据集中噪声量的同时,提高合成数据计算效率.

关 键 词：差分隐私  异构多属性数据发布  谱聚类 属性分割  贝叶斯网络  隐私保护  

分 类 号：TP309]