隐私保护频繁项集挖掘中的细粒度随机化模型
Fine-grained Randomized Response Model in Privacy Preserving Frequent Itemset Mining作者机构：国际关系学院信息科技学院北京100091 北京大学智能科学系北京100871
出 版 物：《软件工程》 (Software Engineering)
年 卷 期：2019年第22卷第10期
页 面：44-46,43页
学科分类：08[工学] 0835[工学-软件工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国际关系学院中央高校基本科研业务费项目资助(项目编号3262017T48 3262018T02 3262019T06)
摘 要：已有的随机化回答模型调控的数据范围宽、粒度粗,对隐私数据的保护粒度缺乏灵活性,无法实现精细化、个性化、差异化的隐私保护。提出三类多参数随机化回答模型,包括行多参、复合多参、分组多参共11种随机化回答模型,给出了模型的分类框架和分类层次。细粒度多参数随机化模型可实现精细化、个性化、差异化的隐私保护效果。
维普期刊数据库
同方期刊数据库