改进成分分析的差分隐私高维数据发布方法
DIFFERENTIAL PRIVACY HIGH-DIMENSIONAL DATA PUBLISHING METHOD BASED ON IMPROVED COMPONENT ANALYSIS作者机构:辽宁工业大学电子与信息工程学院辽宁锦州121001
出 版 物:《计算机应用与软件》 (Computer Applications and Software)
年 卷 期:2023年第40卷第10期
页 面:337-344页
学科分类:08[工学] 0839[工学-网络空间安全] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:辽宁省自然科学基金项目(20170540434) 国家自然科学基金项目(61802161)
摘 要:针对高维数据发布中“维度灾难所导致发布结果可用性较差的问题,提出一种改进成分分析的差分隐私高维数据发布方法ICAHDP。ICAHDP通过引入属性重要度来优化PCA,利用优化算法对数据进行降维,减少时间和空间的开销。该算法在数据发布的过程中引入基于互信息的评价机制,确定最优的主成分个数。考虑到高维数据中可能存在多个敏感属性,ICAHDP引入敏感属性偏好,结合最优匹配理论,设计敏感属性分级保护策略来满足个性化的差分隐私保护策略。实验表明,ICAHDP不仅保证了发布数据的隐私性,而且很大程度地提升了数据的准确性和实用性。