基于差分隐私的决策数据发布算法MAXGDDPdecisiondatarelease.PDFVIP

第39 卷第3 期 通 信 学 报 Vol.39 No.3 2018 年3 月 Journal on Communications March 2018 MAXGDDP ：基于差分隐私的决策数据发布算法 1 1 2 傅继彬 ，张啸剑 ，丁丽萍 （1. 河南财经政法大学计算机与信息工程学院，河南 郑州 450046 ； 2. 中国科学院软件研究所，北京 100190 ） 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DiffGen 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。 关键词：决策数据；数据发布；差分隐私；层次细化 中图分类号：TP309 文献标识码：A doi: 10.11959/j.issn.1000-436x.2018049 MAXGDDP: decision data release with differential privacy 1 1 2 FU Jibin , ZHANG Xiaojian , DING Liping 1. College of Computer Information Engineering, Henan University of Economics and Law, Zhengzhou 450046, China 2. Institute of Software, Chinese Academy of Sciences, Beijing 100190, China Abstract: 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 re- lease 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