文献类型：期刊文章

作　　者：陈思[1,2] 付安民[1] 柯海峰[1] 苏铓[1] 孙怀江[1]

CHEN Si;FU An-min;KE Hai-feng;SU Mang;SUN Huai-jiang(School of Computer Science and Engineering,Nanjing University of Science and Technology,Nanjing,Jiangsu 210094,China;Division of Information Construction and Management,Nanjing University of Science and Technology,Nanjing,Jiangsu 210094,China)

机构地区：[1]南京理工大学计算机科学与工程学院,江苏南京210094 [2]南京理工大学信息化建设与管理处,江苏南京210094

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61572255,No.61702266);江苏省“六大人才高峰”高层次人才基金资助项目(No.XYDXXJS-032);赛尔网络下一代互联网技术创新项目(No.NGII20190804,No.NGII20150117)。

年　　份：2020

卷　　号：48

期　　号：12

起止页码：2297-2303

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：大数据应用能够为人们的生活和工作方式提供便捷,但包含消费记录、社交关系、地理位置等个人隐私信息的数据在发布过程中可能被服务提供商收集,用户隐私面临巨大威胁.本文首次提出了一个基于神经网络的多集群分布式差分隐私数据发布方法,能够显著缓解单服务器的数据处理压力.同时,利用神经网络算法进行隐私参数预测明显提高了预测精度和预测效率,并且集群之间不同的隐私参数也保证了方案的灵活性.此外,由于中心服务器存储的是经过差分隐私处理后的统计数据,即使中心服务器由于遭受攻击导致存储的数据泄露,也能确保用户数据隐私.实验对比分析表明,我们的方法在隐私处理效率、隐私保护强度、预测精度和预测效率等方面都有明显优势.

关 键 词：数据发布 差分隐私  服务协同  神经网络 多集群 分布式

分 类 号：TP18]