文献类型：期刊文章

作　　者：熊平[1] 朱天清[2] 金大卫[1]

机构地区：[1]中南财经政法大学信息与安全工程学院,武汉430073 [2]武汉轻工大学数学与计算机学院,武汉430023

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(71173238;61304067);国家教育部人文社科研究青年基金资助项目(12YJC630078);中央高校基本科研业务费专项资金资助项目(31541311302;31541111305)

年　　份：2014

卷　　号：31

期　　号：10

起止页码：3108-3112

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：对差分隐私的基本概念和实现方法进行了介绍,提出了一种用于决策树分析的差分隐私保护数据发布算法。该算法首先将数据完全泛化,然后在给定的隐私保护预算下采用指数机制将数据逐步精确化,最后根据拉普拉斯机制向数据中加入噪声,保证整个算法过程满足差分隐私保护要求;对指数机制中方案选择的方法进行了有效的改进。相对于已有的算法,本算法可在给定的隐私保护预算下使数据泛化程度更小,使所发布数据建立的决策树模型具有更高的分类准确率。实验结果验证了本算法的有效性和相对于其他算法的优越性。

关 键 词：数据挖掘 差分隐私  数据发布 决策树

分 类 号：TP393]