基于差分隐私的K-means算法优化研究综述

作者：孔钰婷; 谭富祥; 赵鑫; 张正航; 白璐; 钱育蓉^*

来源：计算机科学, 2022, 49(02): 162-173.

• 差分隐私K-means算法
• 差分隐私
• 隐私保护
• 隐私保护数据挖掘

差分隐私K-means算法(Differential Privacy K-means Algorithm, DP K-means)作为一种基于差分隐私技术的隐私保护数据挖掘(Privacy Preserving Data Mining, PPDM)模型,因简单高效且可保障数据的隐私而备受研究者的关注。文中首先阐述了差分隐私K-means算法的原理、隐私攻击模型,以分析算法的不足。然后从数据预处理、隐私预算分配、聚簇划分等3个角度讨论分析DP K-means算法改进研究的优缺点,并对研究中的相关数据集和通用评价指标进行了总结。最后指出DP K-means算法改进研究中亟待解决的挑战性问题,并展望了DP K-means算法的未来发展趋势。

• 单位
  新疆大学