文献类型：期刊文献

中文题名：MAXGDDP:基于差分隐私的决策数据发布算法

英文题名：MAXGDDP: decision data release with differential privacy

作者：傅继彬[1];张啸剑[1];丁丽萍[2]

第一作者：傅继彬

机构：[1]河南财经政法大学计算机与信息工程学院;[2]中国科学院软件研究所

第一机构：河南财经政法大学计算机与信息工程学院

年份：2018

卷号：39

期号：3

起止页码：136-146

中文期刊名：通信学报

外文期刊名：Journal on Communications

收录：CSTPCD;;EI(收录号：20183905860708);Scopus;北大核心:【北大核心2017】；CSCD:【CSCD2017_2018】；

基金：国家自然科学基金资助项目(No.61502146;No.91646203;No.91746115);河南省自然科学基金资助项目(No.162300410006);河南省科技攻关基金资助项目(No.142102210384;No.172102310713);河南省教育厅高等学校重点科研基金资助项目(No.16A520002);河南省青年骨干教师基金资助项目;河南财经政法大学青年拔尖人才资助计划基金资助项目~~

语种：中文

中文关键词：决策数据;数据发布;差分隐私;层次细化

外文关键词：decision data;data release;differential privacy;hierarchical specialization

摘要：基于层次细化的差分隐私决策数据发布得到了研究者的广泛关注,层次节点的选择、分类树的构建以及每层隐私代价的分配直接制约着决策数据发布结果的好坏,也影响最终的数据分析结果。针对现有基于层次细化的决策数据发布方法难以兼顾上述问题的不足,提出一种高效的分层细化方法 MAXGDDP,该方法对原始分类数据进行分层细化,在同一层次的概念细化中提出了最大值属性索引算法,在不同层次之间利用类几何分配机制来更加合理地分配隐私预算。基于真实数据集对比了MAXGDDP与Diff Gen算法,实验结果表明该方法在保护数据隐私的同时,提高了发布数据的分类准确率。
Specialization-based private decision data release has attracted considerable research attention in recent years.The relation among hierarchical node,taxonomy tree,and budget allocation directly constrains the accuracy of data release and classification.Most existing methods based on hierarchical specialization cannot efficiently address the above problems.An effective method was proposed,called MAXGDDP to publish decision data with specialization.MAXGDDP employed MAX index attribute selection algorithm to select the highlight concept for furthering specialization in each hierarchy.Besides,for making more rational use of privacy budget,MAXGDDP relied on geometric strategy to allocate the privacy budget in each hierarchy.Compared with existing methods such as DiffGen on the real datasets,MAXGDDP outperforms its competitors,achieves data privacy and the better result of classification simultaneously.