典型文献
多项式回归的差分隐私保护算法
文献摘要：
多项式回归是用来确定两种或两种以上变量间相互依赖的非线性定量关系的一种统计分析方法,在大数据分析中有广泛的应用.通常,挖掘的数据集包含一些敏感属性,在数据挖掘过程和数据发布中,如不加保护会引起隐私泄露.基于对代价函数添加噪声的方法,该文设计了一种满足差分隐私的多项式回归算法FM-on-PR,并且针对现实应用中的需求,对该算法进行了优化,获得了两种分别对数据安全性和数据可用性进行加强的算法DPC-on-PR和DPBA-on-PR.通过理论证明了它们满足差分隐私性质,并使用多个数据集进行实验仿真,测试算法性能,结果表明了这些方法具有有效性,并且经过对比,得出了其中拟合优度最高的DPBA-on-PR算法.
文献关键词：
机器学习;差分隐私;多项式回归;数据隐私保护;隐私预算分配
中图分类号：
作者姓名：
谢雅琪;杨庚
作者机构：
南京邮电大学 计算机学院,江苏 南京 210046;江苏省大数据安全与智能处理重点实验室,江苏 南京 210023
文献出处：
引用格式：
[1]谢雅琪;杨庚-.多项式回归的差分隐私保护算法)[J].计算机技术与发展,2022(08):103-109,128
A类：
DPBA
B类：
多项式回归,差分隐私保护,上变,相互依赖,定量关系,统计分析方法,数据发布,如不,不加,隐私泄露,代价函数,回归算法,FM,on,PR,现实应用,数据安全性,数据可用性,DPC,隐私性,实验仿真,试算法,算法性能,拟合优度,数据隐私保护,隐私预算分配
AB值：
0.36879
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。
