登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于差分隐私的混合位置隐私保护
  • 摘要

    针对现有差分隐私k-means算法对初始中心点敏感、用户位置数据误差偏大、可用性较低等问题,根据LBS的特点,引入人流密度的概念,提出一种基于差分隐私k-means的混合位置隐私保护方法.根据LBS特点将用户位置点分成离散位置点和非离散位置点,基于差分隐私技术,采用改进聚类算法对位置信息进行泛化和加噪;通过分析用户位置点的稀疏程度来确定离散点,对离散点位置信息采用基于差分隐私的单独加噪技术;对非离散点采用基于差分隐私的改进k-means算法进行泛化处理,以实现用户位置信息的隐私保护.仿真实验表明,在相同隐私预算的前提下,该方法具有较高的数据可用性.

  • 作者

    徐启元  陈珍萍  付保川  许馨尹  邵雪莲  Xu Qiyuan  Chen Zhenping  Fu Baochuan  Xu Xinyin  Shao Xuelian 

  • 作者单位

    苏州科技大学电子与信息工程学院 江苏苏州215009

  • 刊期

    2019年6期 ISTIC PKU

  • 关键词

    位置隐私  差分隐私  混合保护  k-means聚类 

相似文献 查看更多>>
34.204.183.113