基于事务截断的差分隐私频繁模式挖掘算法

作     者：甘文勇 吴英杰 孙岚 王一蕾 GAN Wen-yong;WU Ying-jie;SUN Lan;WANG Yi-lei

作者机构：福州大学数学与计算机科学学院福州350116 

基　　金：国家自然科学基金项目(61300026)资助 福建省自然科学基金项目(2014J01230)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2015年第36卷第11期

页      码：2583-2587页

摘      要：现有基于ε-差分隐私模型的频繁模式挖掘算法存在全局敏感度过高与挖掘结果可用性较低的不足.设计一个基于事务截断的差分隐私频繁模式挖掘算法.算法首先采用基于指数机制的事务截断思想,对长事务进行截断处理,以有效降低算法的全局敏感度,并在此基础上提出基于事务截断的差分隐私频繁模式挖掘算法,而后提出可用于扩充Apriori算法候选集的最小噪声支持度标准,以进一步提升挖掘结果的可用性.实验对本文算法的频繁模式挖掘结果与同类算法进行比较分析.实验结果表明,本文算法可在满足ε-差分隐私的前提下,保证挖掘结果具有较高的可用性.

主 题 词：频繁模式挖掘 差分隐私 指数机制 事务截断 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203250011...