PINQ下K—means的差分隱私保護研究

李靈芳 黃文培 胡偉健

摘要：差分隱私保護是Dwork提出的基于數(shù)據(jù)失真技術的一種新的隱私保護模型，由于其克服了傳統(tǒng)隱私保護需要背景知識假設和無法定量分析隱私保護水平的缺點，近年來迅速成為隱私保護領域研究熱點。PINQ是最早實現(xiàn)差分隱私保護的交互型原型系統(tǒng)。介紹了差分隱私保護相關理論基礎，分析了PINQ框架的實現(xiàn)機制。以PINQ中差分隱私保護下K-means聚類實現(xiàn)為例，研究了差分隱私在聚類中的應用。仿真實驗表明，在不同的隱私預算下，實現(xiàn)的隱私保護級別也不同。

關鍵詞：K-means； 數(shù)據(jù)失真；差分隱私； PINQ

DOIDOI：10.11907/rjdk.161175

中圖分類號：TP309文獻標識碼：A文章編號：1672-7800（2016）006-0204-05

參考文獻：

[1]周水庚， 李豐， 陶宇飛，等.面向數(shù)據(jù)庫應用的隱私保護研究綜述[J]. 計算機學報， 2009， 32（5）：847-861.

[2]李楊， 溫雯， 謝光強. 差分隱私保護研究綜述[J].計算機應用研究， 2012， 29（9）：3201-3205.

[3]MCSHERRY F. Privacy integrated queries[C].In Proc. ACM SIGMOD International Conference on Management of Data，2009.

[4]MOHAN P， THAKURTA A， SHI E， et al. GUPT：privacy preserving data analysis made easy[C].Proceedings of the 2012 ACM SIGMOD International Conference on Management of Data. ACM，2012：349-360.

[5]ROY I， SETTY S T V， KILZER A， et al. Airavat：security and privacy for mapreduce[J]. Usenix Org， 2010：297-312.

[6]DWORK C. A firm foundation for private data analysis[J]. Communications of the Acm， 2011， 54（1）：86-95.

[7]DWORK C， MCSHERRY F， NISSIM K， et al. Calibrating noise to sensitivity in private data analysis[M]. Theory of Cryptography，Springer Berlin Heidelberg， 2006：265-284.

[8]FRIEDMAN A， SCHUSTER A. Data mining with differential privacy[C].Acm Sigkdd International Conference on Knowledge Discovery & Data Mining，2010：493-502.

[9]MCSHERRY F D. Privacy integrated queries： an extensible platform for privacy-preserving data analysis[J]. Proc，2011（1）：26-30.

[10]BLUM A， DWORK C， MCSHERRY F， et al. Practical privacy： the sulq framework[J]. In PODS 05： Proceedings of the twenty-fourth ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems， 2005（6）：128-138.

[11]DWORK C. A firm foundation for private data analysis[J]. Communications of the Acm， 2011， 54（1）：86-95.

[12]STEINBACH M， GEORGE. Karypis and vipin kumar 2000， a comparison of document clustering techniques[J]. Kdd Workshop on Text Mining， 2000（3）：123-130.

[13]李楊， 郝志峰， 溫雯，等. 差分隱私保護k-means聚類方法研究[J]. 計算機科學， 2013， 40（3）：287-290.

[14]張嘯劍， 王淼， 孟小峰. 差分隱私保護下一種精確挖掘top-k頻繁模式方法[C].第30屆中國數(shù)據(jù)庫學術會議， 2013.

[15]熊平， 朱天清， 金大衛(wèi). 一種面向決策樹構建的差分隱私保護算法[J]. 計算機應用研究， 2014， 31（10）：3108-3112.

[16]ANIL K，JAIN. Data clustering： 50 years beyond K-means [J]. Pattern Recognition Letters， 2010， 31（8）：651-666.