一种基于差分隐私的隐私保护聚类方法

摘要

一种基于差分隐私的隐私保护聚类方法，包括：(1)数据所有者计算原数据集中各数据点间的欧氏距离，构建距离矩阵；(2)向距离矩阵添加差分噪声，形成加噪距离矩阵，并将其共享给不可信数据挖掘方，避免聚类分析过程泄露数据隐私；(3)数据挖掘方在加噪距离矩阵中选取k个有良好全局分布性的非离群点，作为聚类的初始中心点；(4)计算每个数据点的最近q个中心点序列，并将数据点分配到距其最近的q个中心点的期望区间内，形成本轮聚簇划分；(5)将每个聚簇内部点间距离和最小的数据点选为新的中心点。重复这一过程，直到各聚簇中心点不再改变。本发明所提方法在实现敏感数据差分隐私保护的同时，可以有效提升聚类挖掘精度。