典型文献
基于差分隐私的K-means算法优化研究综述
文献摘要：
差分隐私K-means算法(Differential Privacy K-means Algorithm,DP K-means)作为一种基于差分隐私技术的隐私保护数据挖掘(Privacy Preserving Data Mining,PPDM)模型,因简单高效且可保障数据的隐私而备受研究者的关注.文中首先阐述了差分隐私K-means算法的原理、隐私攻击模型,以分析算法的不足.然后从数据预处理、隐私预算分配、聚簇划分等3个角度讨论分析DP K-means算法改进研究的优缺点,并对研究中的相关数据集和通用评价指标进行了总结.最后指出DP K-means算法改进研究中亟待解决的挑战性问题,并展望了DP K-means算法的未来发展趋势.
文献关键词：
差分隐私K-means算法;差分隐私;隐私保护;隐私保护数据挖掘
中图分类号：
作者姓名：
孔钰婷;谭富祥;赵鑫;张正航;白璐;钱育蓉
作者机构：
新疆大学软件学院 乌鲁木齐830000;新疆维吾尔自治区信号检测与处理重点实验室 乌鲁木齐830046;新疆大学软件工程重点实验室 乌鲁木齐830000
文献出处：
引用格式：
[1]孔钰婷;谭富祥;赵鑫;张正航;白璐;钱育蓉-.基于差分隐私的K-means算法优化研究综述)[J].计算机科学,2022(02):162-173
A类：
B类：
差分隐私,means,算法优化,Differential,Privacy,Algorithm,DP,隐私保护数据挖掘,Preserving,Data,Mining,PPDM,隐私攻击,攻击模型,数据预处理,隐私预算分配,聚簇,讨论分析,算法改进,改进研究,挑战性问题
AB值：
0.377951
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。
