面向频繁模式挖掘的差分隐私保护研究综述

被引：20

作者：

丁丽萍 ^{[1
]}

卢国庆 ^{[1
,2
]}

机构：

[1] 中国科学院软件研究所基础软件国家工程研究中心

[2] 中国科学院大学

来源：

通信学报 | 2014年 / 35卷 / 10期

关键词：

差分隐私; 隐私保护; 频繁模式; 数据挖掘;

D O I：

暂无

中图分类号：

TP311.13 []; TP309 [安全保密];

学科分类号：

1201 ; 081201 ; 0839 ; 1402 ;

摘要：

频繁模式挖掘是数据挖掘的一个基本问题,其模式本身和相应计数都有可能泄露隐私信息。当前,差分隐私通过添加噪音使数据失真,有效实现了隐私保护的目的。首先介绍了差分隐私保护模型的理论基础;其次,详细综述了差分隐私下3种典型的频繁模式挖掘方法的最新研究进展,并进行对比性分析;最后对未来的研究方向进行了展望。

引用

页码：200 / 209

页数：10

共 7 条

[1] 面向数据发布和分析的差分隐私保护 [J].

张啸剑 ;

孟小峰 .

计算机学报, 2014, 37 (04) :927-949

[2] 差分隐私保护下一种精确挖掘top-k频繁模式方法 [J].

张啸剑 ;

王淼 ;

孟小峰 .

计算机研究与发展, 2014, 51 (01) :104-114

[3] 差分隐私保护及其应用 [J].

熊平 ;

朱天清 ;

王晓峰 .

计算机学报, 2014, 37 (01) :101-122

[4] 差分隐私保护k-means聚类方法研究 [J].

李杨 ;

郝志峰 ;

温雯 ;

谢光强 .

计算机科学, 2013, 40 (03) :287-290

[5] A Firm Foundation for Private Data Analysis [J].

Dwork, Cynthia .

COMMUNICATIONS OF THE ACM, 2011, 54 (01) :86-95

[6]

Frequent pattern mining: current status and future directions[J] . Jiawei Han,Hong Cheng,Dong Xin,Xifeng Yan.Data Mining and Knowledge Discovery . 2007 (1)

[7] Mining frequent patterns without candidate generation [J].

Han, JW ;

Pei, J ;

Yin, YW .

SIGMOD RECORD, 2000, 29 (02) :1-12

← 1 →