文献类型：期刊文章

作　　者：李杨[1,2] 郝志峰[2] 温雯[2] 谢光强[1,2]

机构地区：[1]广东工业大学自动化学院,广州510006 [2]广东工业大学计算机学院,广州510006

出　　处：《计算机科学》

基　　金：国家自然科学基金(61070033);广东省自然科学基金(9251009001000005);广东省科技计划项目(2010B050400011)资助

年　　份：2013

卷　　号：40

期　　号：3

起止页码：287-290

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSCD、CSCD2013_2014、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：研究了基于差分隐私保护的k-means聚类隐私保护方法。首先介绍了隐私保护数据挖掘和隐私保护聚类分析的研究现状,简单介绍了差分隐私保护的基本原理和方法。为了解决差分隐私k-means聚类方法聚类结果可用性差的问题,提出了一个新的IDP k-means聚类方法,并证明了其满足ε-差分隐私保护。最后的仿真实验表明,在相同隐私保护级别下,IDP k-means聚类方法与差分隐私k-means聚类方法相比,聚类可用性得到了较大程度的提高。

关 键 词：差分隐私  K-均值 聚类 隐私保护

分 类 号：TP309]