一种基于差分隐私及随机梯度下降的数据分类方法

摘要

本发明公开一种基于差分隐私及随机梯度下降的数据分类方法，首先，将数据集中的数据分配到各个分布式计算节点上，通过Map分任务在每个节点上执行随机梯度下降算法，利用Reduce分任务进行更新模型合并操作；其次，在更新后的模型中加入适量拉普拉斯噪声，使最终随机梯度下降算法的目标模型满足ε‑差分隐私。本发明通过合理的计算资源分配与随机噪声添加策略，在满足差分隐私保护要求的同时，能够有效降低随机梯度下降算法因反复迭代而产生的通信开销，既提高算法效率又保证数据的私密性。