一种基于ExtraTrees的差分隐私保护算法

作者：李杨; 陈子彬; 谢光强^*

来源：计算机工程, 2020, 46(02): 134-140.

DOI：10.19678/j.issn.1000-3428.0053824

• 差分隐私
• ExtraTrees算法
• 分类
• 回归分析
• 决策树

为在同等隐私保护级别下提高模型的预测准确率并降低误差,提出一种基于ExtraTrees的差分隐私保护算法DiffPETs。在决策树生成过程中,根据不同的准则计算出各特征的结果值,利用指数机制选择得分最高的特征,通过拉普拉斯机制在叶子节点上进行加噪,使算法能够提供ε-差分隐私保护。将DiffPETs算法应用于决策树分类和回归分析中,对于分类树,选择基尼指数作为指数机制的可用性函数并给出基尼指数的敏感度,在回归树上,将方差作为指数机制的可用性函数并给出方差的敏感度。实验结果表明,与决策树差分隐私分类和回归算法相比,DiffPETs算法能有效降低预测误差。

• 单位
  广东工业大学