典型文献
一种基于本地化差分隐私保护的高效用朴素贝叶斯分类方案
文献摘要：
针对现有的基于本地差分隐私的朴素贝叶斯分类方案存在计算、通信开销较高,以及采样率过低引起采样误差的问题,设计了一种满足本地差分隐私的频数预测算法,并将其应用于基于本地差分隐私的朴素贝叶斯分类器的训练.该频数预测算法的扰动机制基于指数机制设计,扰动输出的概率由效用函数决定,有效地提高了数据分类的效用.方案的用户端通过该扰动机制来完成本地隐私化的工作,服务器端通过收集用户扰动数据,对频数进行预测,恢复其统计特征.相较于传统的贝叶斯分类方案,不仅能够减少训练数据在收集过程中可能带来的隐私泄露问题,提高了分类准确率,而且降低了计算和通信开销.性能分析和实验结果验证了方案的隐私性、分类准确率以及有效性.
文献关键词：
本地差分隐私;频数预测;朴素贝叶斯;分类
中图分类号：
作者姓名：
王慧婷;陈燕俐;彭春春
作者机构：
南京邮电大学计算机学院、软件学院、网络空间安全学院,江苏南京 210023
文献出处：
引用格式：
[1]王慧婷;陈燕俐;彭春春-.一种基于本地化差分隐私保护的高效用朴素贝叶斯分类方案)[J].南京邮电大学学报（自然科学版）,2022(03):100-112
A类：
B类：
本地化差分隐私,差分隐私保护,高效用,分类方案,本地差分隐私,通信开销,采样率,采样误差,足本,频数预测,预测算法,朴素贝叶斯分类器,指数机制,机制设计,效用函数,数据分类,用户端,服务器端,统计特征,少训练,训练数据,隐私泄露,泄露问题,分类准确率,隐私性
AB值：
0.295289
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
