基于概率主成分分析的差分隐私数据发布方法

摘要

针对高维相关数据发布的隐私保护问题,本文提出2种隐私保护数据发布方法,解决高维相关数据发布时重复加噪导致的发布数据效用过低问题.基于概率主成分分析模型的隐私数据发布方法,及基于概率主成分分析和差分隐私的数据发布方法,利用主成分分析对高维数据降维,在低维数据中加入拉普拉斯噪声,然后再由概率主成分分析的生成模型生成数据集发布,使得发布的数据集满足差分隐私.经过分析与验证,当选取恰当的主成分个数时,2个真实数据集上的分类准确率较同类方法提高2％～5％.本文方法在支持向量机分类准确率方面可以保持良好的数据效用.