检索结果-南通市图书馆

基于差分隐私拉普拉斯机制的线性回归分析研究

在线全文

学校读者我要写书评

暂无评论

基于差分隐私拉普拉斯机制的线性回归分析研究

作者：王宝楠安徽理工大学

学位级别：硕士

随着大数据时代的到来,数据分析、统计与发布等应用需求的出现,使得相关社会机构可以获得大量个人和组织的数据信息进行数据挖掘与分析研究,从而带来商业价值和科研价值。例如各大商场的顾客购物数据、各个楼盘顾客购房的信息、移动营... 详细信息

随着大数据时代的到来,数据分析、统计与发布等应用需求的出现,使得相关社会机构可以获得大量个人和组织的数据信息进行数据挖掘与分析研究,从而带来商业价值和科研价值。例如各大商场的顾客购物数据、各个楼盘顾客购房的信息、移动营业厅用户的业务办理信息、各大银行客户信息、证券公司个人交易数据的分析与统计等。但是,这些数据涉及到大量个人隐私信息,一旦对这些数据发布和分析,都面临着隐私泄露的问题,因此如何对隐私数据进行保护以防止敏感信息泄露已经成为当前面临的艰巨任务。差分隐私保护技术是当前数据发布中最主要的隐私保护方法。它通过向查询数据中添加噪音来干扰攻击者泄露原始数据的目的,从而达到隐私保护效果。差分隐私保护技术的应用使得数据发布的效率得到了很大的提高,但为了满足差分隐私要求需要注入过高的噪音,影响数据的正确性和可靠性,最终导致结果低质量。本文重点研究差分隐私拉普拉斯机制的线性回归分析方法,该方法对回归分析中的目标函数而不是结果采用差分隐私进行噪声干扰,在每个数据集上进行回归分析,用剩余属性来进行结果预测,最后比较误差率并分析实验结果。实验表明所采用的方法既保护了用户的隐私数据,又不影响线性回归分析的有效性。论文主要做了以下几个方面的研究工作：(1)研究了当前部分差分隐私模型拟合的应用及其不足之处。(2)分析了差分隐私保护模型的基础理论和工作原理。(3)利用差分隐私拉普拉斯机制构建线性回归模型,并对模型进行优化与评估。

关键词：隐私保护线性回归拉普拉斯机制差分隐私

基于拉普拉斯机制的随机游走知识发现系统的优化研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

新世纪图书馆 2021年第12期 38-43页

作者：刘爱琴贾一帆山西大学经济与管理学院山西太原030006

文本聚类与知识获取所产生的知识发现系统需要更加快速、更加准确的算法支持,以满足用户知识需求准确性和关联性的不断增长。论文基于随机游走知识发现系统,融合网络爬虫技术和学术资源网站结构化数据的特征,通过应用拉普拉斯机制,将所... 详细信息

文本聚类与知识获取所产生的知识发现系统需要更加快速、更加准确的算法支持,以满足用户知识需求准确性和关联性的不断增长。论文基于随机游走知识发现系统,融合网络爬虫技术和学术资源网站结构化数据的特征,通过应用拉普拉斯机制,将所有图书馆文献通过关键词函数的设定和游走过程的通量化,确定图论下的拉普拉斯算子,对原有遍历所有文献节点并反复迭代完成聚类的运作模式添加游走终点判定,对其进行算法的优化,有效解决了随机游走知识发现系统的时间、空间复杂度过大的问题,增加了随机游走聚类的准确性。

关键词：拉普拉斯机制随机游走模型知识发现系统

MapReduce框架下支持差分隐私保护的随机梯度下降算法

在线全文

学校读者我要写书评

暂无评论

通信学报 2018年第1期39卷 70-77页

作者：俞艺涵付钰吴晓平海军工程大学信息安全系湖北武汉430033

针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算... 详细信息

针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算法;启动Reduce分任务合并满足更新要求的分目标更新模型,并加入拉普拉斯随机噪声实现差分隐私保护。根据差分隐私保护原理,证明了算法满足e-差分隐私保护要求。实验表明该算法具有明显的效率优势并有较好的数据可用性。

关键词：机器学习随机梯度下降 MapReduce 差分隐私保护拉普拉斯机制

基于数据特征相关性和自适应差分隐私的深度学习方法研究

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第6期52卷 1963-1976页

作者：康海燕王骁识北京信息科技大学信息安全系北京100192

基于差分隐私的深度学习隐私保护方法中,训练周期的长度以及隐私预算的分配方式直接制约着深度学习模型的效用.针对现有深度学习结合差分隐私的方法中模型训练周期有限、隐私预算分配不合理导致模型安全性与可用性差的问题,提出一种基... 详细信息

基于差分隐私的深度学习隐私保护方法中,训练周期的长度以及隐私预算的分配方式直接制约着深度学习模型的效用.针对现有深度学习结合差分隐私的方法中模型训练周期有限、隐私预算分配不合理导致模型安全性与可用性差的问题,提出一种基于数据特征相关性和自适应差分隐私的深度学习方法(deep learning methods based on data feature Relevance and Adaptive Differential Privacy,RADP).首先,该方法利用逐层相关性传播算法在预训练模型上计算出原始数据集上每个特征的平均相关性;然后,使用基于信息熵的方法计算每个特征平均相关性的隐私度量,根据隐私度量对特征平均相关性自适应地添加拉普拉斯噪声;在此基础上,根据加噪保护后的每个特征平均相关性,合理分配隐私预算,自适应地对特征添加拉普拉斯噪声;最后,理论分析该方法(RADP)满足ε-差分隐私,并且兼顾安全性与可用性.同时,在三个真实数据集(MNIST,Fashion-MNIST,CIFAR-10)上的实验结果表明,RADP方法的准确率以及平均损失均优于AdLM(Adaptive Laplace Mechanism)方法、DPSGD(Differential Privacy with Stochastic Gradient Descent)方法和DPDLIGDO(Differentially Private Deep Learning with Iterative Gradient Descent Optimization)方法,并且RADP方法的稳定性仍能保持良好.

关键词：差分隐私深度学习逐层相关性传播信息熵隐私度量隐私预算拉普拉斯机制

差分隐私保护下一种精确挖掘top-k频繁模式方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2014年第1期51卷 104-114页

作者：张啸剑王淼孟小峰中国人民大学信息学院北京100872 河南财经政法大学计算机与信息工程学院郑州450002

频繁模式挖掘是分析事务数据集常用技术.然而,当事务数据集含有敏感数据时(如用户行为记录、电子病例等),直接发布频繁模式及其支持度计数会给个人隐私带来相当大的风险.对此提出了一种满足ε-差分隐私的top-k频繁模式挖掘算法DP-topkP(... 详细信息

频繁模式挖掘是分析事务数据集常用技术.然而,当事务数据集含有敏感数据时(如用户行为记录、电子病例等),直接发布频繁模式及其支持度计数会给个人隐私带来相当大的风险.对此提出了一种满足ε-差分隐私的top-k频繁模式挖掘算法DP-topkP(differentially private top-kpattern mining).该算法利用指数机制从候选频繁模式集合中挑选出top-k个携带真实支持度计数的模式;采用拉普拉斯机制产生的噪音扰动所选模式的真实支持度计数;为了增强输出模式的可用性,采用后置处理技术对top-k个模式的噪音支持度计数进行求精处理.从理论角度证明了该算法满足ε-差分隐私,并符合(λ,δ)-useful要求.实验结果证明了DP-topkP算法具有较好的准确性、可用性和可扩展性.

关键词：频繁模式挖掘 top-k模式差分隐私拉普拉斯机制指数机制

在线全文

学校读者我要写书评

暂无评论

k-均值问题的差分隐私算法综述

运筹学学报 2022年第3期26卷 1-16页

作者：袁藩徐大川张冬梅北京工业大学北京科学与工程计算研究院北京100124 山东建筑大学计算机科学与技术学院山东济南250101

k-均值问题是机器学习和组合优化领域十分重要的问题。它是经典的NP-难问题,被广泛的应用于数据挖掘、企业生产决策、图像处理、生物医疗科技等领域。随着时代的发展,人们越来越注重于个人的隐私保护:在决策通常由人工智能算法做出的情... 详细信息

k-均值问题是机器学习和组合优化领域十分重要的问题。它是经典的NP-难问题,被广泛的应用于数据挖掘、企业生产决策、图像处理、生物医疗科技等领域。随着时代的发展,人们越来越注重于个人的隐私保护:在决策通常由人工智能算法做出的情况下,如何保证尽可能多地从数据中挖掘更多信息,同时不泄露个人隐私。近十年来不断有专家学者研究探索带隐私保护的k-均值问题,得到了许多具有理论指导意义和实际应用价值的结果,本文主要介绍关于k-均值问题的差分隐私算法供读者参考。

关键词： k-均值问题差分隐私近似算法指数机制拉普拉斯机制

基于差分隐私与前缀树的搜索日志隐私保护研究

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2016年第3期37卷 540-544页

作者：陆叶卢菁上海理工大学光电信息与计算机工程学院上海200093

针对搜索日志的发布泄露用户隐私的问题将差分隐私引入到搜索日志中,提出了一种满足ε-差分隐私的隐私保护策略算法,使得搜索日志中的隐私信息不被泄露.采用前缀树的思想对数据源预处理和剪枝,在所得结果中利用拉普拉斯机制添加噪声扰... 详细信息

针对搜索日志的发布泄露用户隐私的问题将差分隐私引入到搜索日志中,提出了一种满足ε-差分隐私的隐私保护策略算法,使得搜索日志中的隐私信息不被泄露.采用前缀树的思想对数据源预处理和剪枝,在所得结果中利用拉普拉斯机制添加噪声扰动真实结果,并通过理论证明该方法满足差分隐私保护.实验采用多机联机处理策略,大量缩短算法处理时间.通过实验结果分析,选取合适剪枝k阈值,使得发布数据在隐私保护度和数据准确率中达到平衡.

关键词：搜索日志隐私保护差分隐私前缀树拉普拉斯机制

在线全文

学校读者我要写书评

暂无评论

基于差分隐私的非等距直方图发布方法

网络与信息安全学报 2020年第3期6卷 39-49页

作者：杨磊郑啸赵伟安徽工业大学计算机科学与技术学院安徽马鞍山243032 安徽省工业互联网智能应用与安全工程实验室安徽马鞍山243032

已有的基于差分隐私的直方图发布技术在利用直方图反映数据的真实分布特征时可能会出现“重拖尾”和“零桶”现象,并且在数据量较多处“过于平缓”;另外,已有技术对原始直方图进行差分隐私保护时未考虑每个分组所蕴含的信息量大小不同... 详细信息

已有的基于差分隐私的直方图发布技术在利用直方图反映数据的真实分布特征时可能会出现“重拖尾”和“零桶”现象,并且在数据量较多处“过于平缓”;另外,已有技术对原始直方图进行差分隐私保护时未考虑每个分组所蕴含的信息量大小不同。针对以上问题,提出一种基于差分隐私的非等距直方图发布方法。首先,利用经验分布函数根据数据稀疏性合理构建非等距直方图;然后,在非等距直方图上应用差分隐私保护技术对原始非等距直方图进行隐私保护;最后,根据非等距直方图的组距大小为每组设置隐私预算以提高每组数据的隐私性。实验结果表明,所提方法在差分隐私下进行直方图发布时充分考虑了数据分布的稀疏性,有效避免了直方图的“重拖尾”和“零桶”现象,保证了所发布直方图反映数据分布特征的准确性;并且为每组添加符合拉普拉斯(Laplace)机制的噪声时,根据组距为每组设置合理的隐私预算,在一定程度上提高了不同数据段的隐私性。

关键词：差分隐私非等距直方图发布拉普拉斯机制隐私预算

在线全文

学校读者我要写书评

暂无评论

差分隐私中噪声添加与精度分析研究

兰州理工大学学报 2023年第3期49卷 94-103页

作者：王骁识康海燕北京信息科技大学信息管理学院北京100192

国内对于差分隐私定义以及所使用的基本机制缺乏严格清晰的证明与推导过程,对学者入门造成了困难.因此针对这方面空白,通过分析、证明与应用举例的方式,对差分隐私中的拉普拉斯机制与指数机制进行了详细分析,并给出完整的数学推导过程... 详细信息

国内对于差分隐私定义以及所使用的基本机制缺乏严格清晰的证明与推导过程,对学者入门造成了困难.因此针对这方面空白,通过分析、证明与应用举例的方式,对差分隐私中的拉普拉斯机制与指数机制进行了详细分析,并给出完整的数学推导过程和应用举例.指出了拉普拉斯机制精度公式和指数机制精度公式存在缩放过大的问题,并且在拉普拉斯机制和指数机制精度公式的证明之后给出了放缩过大的理由.通过实验得出结论,拉普拉斯机制精度公式和指数机制精度公式是精度范围过大的公式.

关键词：隐私保护差分隐私拉普拉斯机制指数机制