典型文献
应用BWP指标的差分隐私保护k-means算法
文献摘要：
差分隐私是一种基于噪声扰动的隐私保护技术,针对差分隐私保护下噪声导致的聚类中心点偏移较大的问题,提出了一种基于BWP(between-within proportion)指标的差分隐私k-means算法.算法将聚类有效性评价指标BWP引入到隐私预算分配过程中,对传统隐私预算分配进行加权处理,在一次迭代中为不同密度分布的簇分配不同的隐私预算,从而添加不同的随机噪声.理论分析表明新算法满足ε-差分隐私保护.基于四个标准数据集对新算法进行了实验,实验结果表明,在聚类结果的可用性以及算法的稳定性上新算法具有优势.
文献关键词：
聚类;k-means算法;BWP指标;差分隐私;隐私预算分配
中图分类号：
作者姓名：
张亚玲;屈玲玉
作者机构：
西安理工大学 计算机科学与工程学院,西安 710048
文献出处：
引用格式：
[1]张亚玲;屈玲玉-.应用BWP指标的差分隐私保护k-means算法)[J].计算机工程与应用,2022(10):108-115
A类：
B类：
BWP,差分隐私保护,means,噪声扰动,隐私保护技术,声导,聚类中心,中心点,between,within,proportion,有效性评价,隐私预算分配,不同密度,密度分布,随机噪声,新算法,标准数据集,可用性
AB值：
0.28432
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。
