小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2013年
7期
1637-1640
,共4页
李杨%郝志峰%肖燕珊%袁淦钊%谢光强
李楊%郝誌峰%肖燕珊%袁淦釗%謝光彊
리양%학지봉%초연산%원감쇠%사광강
差分隐私保护%k-均值%数据聚合%数据可视化%平行坐标
差分隱私保護%k-均值%數據聚閤%數據可視化%平行坐標
차분은사보호%k-균치%수거취합%수거가시화%평행좌표
differential privacy preservation%k-means%data aggregation%data visualization%parallel coordinates
近年来隐私保护下的数据挖掘发展迅速,但应用广泛的数据可视化中的隐私保护问题则成果鲜见,差分隐私保护是一种新兴的具有广阔发展前景的隐私保护方法,目前,差分隐私保护下的多维数据可视化方法却未见报道.文章研究如何在数据可视化的过程中满足差分隐私保护.现有的DP k-means算法不支持较大的k,因此在数据聚合的过程中仅有理论意义.提出一个ε-Differential Privacy Equipartition k-means算法(DPE k-means),能够支持较大的k,较好地解决了可视化中数据的叠加问题,在一定的隐私保护级别下极大地改善了数据可视化后的图像质量.仿真实验中计算了衡量数据聚合质量的几项指标,结果表明DPE k-means算法优于现有的DP k-means算法.
近年來隱私保護下的數據挖掘髮展迅速,但應用廣汎的數據可視化中的隱私保護問題則成果鮮見,差分隱私保護是一種新興的具有廣闊髮展前景的隱私保護方法,目前,差分隱私保護下的多維數據可視化方法卻未見報道.文章研究如何在數據可視化的過程中滿足差分隱私保護.現有的DP k-means算法不支持較大的k,因此在數據聚閤的過程中僅有理論意義.提齣一箇ε-Differential Privacy Equipartition k-means算法(DPE k-means),能夠支持較大的k,較好地解決瞭可視化中數據的疊加問題,在一定的隱私保護級彆下極大地改善瞭數據可視化後的圖像質量.倣真實驗中計算瞭衡量數據聚閤質量的幾項指標,結果錶明DPE k-means算法優于現有的DP k-means算法.
근년래은사보호하적수거알굴발전신속,단응용엄범적수거가시화중적은사보호문제칙성과선견,차분은사보호시일충신흥적구유엄활발전전경적은사보호방법,목전,차분은사보호하적다유수거가시화방법각미견보도.문장연구여하재수거가시화적과정중만족차분은사보호.현유적DP k-means산법불지지교대적k,인차재수거취합적과정중부유이론의의.제출일개ε-Differential Privacy Equipartition k-means산법(DPE k-means),능구지지교대적k,교호지해결료가시화중수거적첩가문제,재일정적은사보호급별하겁대지개선료수거가시화후적도상질량.방진실험중계산료형량수거취합질량적궤항지표,결과표명DPE k-means산법우우현유적DP k-means산법.
