典型文献
面向差分隐私的BIRCH算法研究
文献摘要：
利用层次方法的平衡迭代规约和聚类(BIRCH)算法是层次聚类算法的一种,也是机器学习算法的一种.随着机器学习的日益发展,在机器学习中如何保护隐私成为目前研究的热点问题.差分隐私是数据分析保护中的新技术,其特点之一是数据在被不同的参数处理后具有可比较性.针对机器学习中的隐私泄露现象,提出面向差分隐私的BIRCH算法(DPBIRCH),在构建聚类特征树的过程中对聚类特征添加拉普拉斯噪声,解决了聚类特征中的隐私泄露问题.通过对实验中隐私预算参数的取值和聚类准确性的结果分析,DPBIRCH算法能够在隐私预算参数取值范围内且保证聚类准确性的前提下,实现对数据隐私提供不同程度级别的隐私保护.
文献关键词：
机器学习;BIRCH算法;差分隐私保护;拉普拉斯机制
中图分类号：
作者姓名：
王豪石;张淑芬;董燕灵;李帅
作者机构：
华北理工大学理学院,河北唐山063210;河北省数据科学与应用重点实验室,河北唐山063210;唐山市数据科学重点实验室,河北唐山063210
文献出处：
引用格式：
[1]王豪石;张淑芬;董燕灵;李帅-.面向差分隐私的BIRCH算法研究)[J].软件导刊,2022(04):116-120
A类：
DPBIRCH
B类：
算法研究,次方,规约,层次聚类算法,机器学习算法,益发,保护隐私,数处,隐私泄露,出面,聚类特征,加拉,拉普拉斯噪声,泄露问题,中隐,隐私预算,参数取值,取值范围,数据隐私,差分隐私保护,拉普拉斯机制
AB值：
0.285463
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。
