本地差分隐私下匿名空间中的分布式聚类
密码学与安全
2019-06-28 v1 数据库
摘要
对采集数据进行聚类与分析能够改善大数据、物联网应用中的用户体验与服务质量。然而，直接发布原始数据会带来潜在的隐私问题，这为隐私保护聚类带来了挑战与机遇。本文研究在本地差分隐私框架下分布式环境中的非交互式聚类问题。我们首先扩展了 Bit Vector 这一新颖的匿名化机制，使其兼具功能性与隐私保护性。基于修改后的编码机制，我们提出了可在匿名空间中进行聚类的 kCluster 算法。我们证明，修改后的编码机制可以轻松应用于仅依赖距离信息的现有聚类算法，例如 DBSCAN。理论分析与实验结果验证了所提方案的有效性。
引用
@article{arxiv.1906.11441,
title = {Distributed Clustering in the Anonymized Space with Local Differential Privacy},
author = {Lin Sun and Jun Zhao and Xiaojun Ye},
journal= {arXiv preprint arXiv:1906.11441},
year = {2019}
}