科研之友
微信
新浪微博
Facebook
分享链接
摘要
差分隐私是一种基于噪声扰动的隐私保护技术，针对差分隐私保护下噪声导致的聚类中心点偏移较大的问题，提出了一种基于BWP(between-within proportion)指标的差分隐私k-means算法。算法将聚类有效性评价指标BWP引入到隐私预算分配过程中，对传统隐私预算分配进行加权处理，在一次迭代中为不同密度分布的簇分配不同的隐私预算，从而添加不同的随机噪声。理论分析表明新算法满足ε-差分隐私保护。基于四个标准数据集对新算法进行了实验，实验结果表明，在聚类结果的可用性以及算法的稳定性上新算法具有优势。
- 单位
