面向精确数据挖掘的大数据高效隐私保护
数据库
2019-06-20 v1 密码学与安全
摘要
计算技术已渗透至物理空间与人类生活，并产生大量可供分析的数据。然而，人们日益担忧若所收集数据在发布供研究之前未得到适当清洗，潜在敏感数据可能会公开。尽管已有不少隐私保护方法，但它们效率不高、可扩展性差，或在数据效用与/或隐私方面存在问题。本文通过提出一种高效且可扩展的不可逆扰动算法 PABIDOT，借助最优几何变换实现大数据隐私保护，来解决这些问题。使用九个数据集与五种分类算法，对 PABIDOT 的效率、可扩展性、抗攻击性与准确性进行了测试。实验表明，相较于其他两种相关的隐私保护算法，PABIDOT 在大规模隐私保护数据分类的执行速度、可扩展性、抗攻击性及准确性方面均表现优异。
引用
@article{arxiv.1906.08149,
title = {Efficient privacy preservation of big data for accurate data mining},
author = {M. A. P. Chamikara and P. Bertok and D. Liu and S. Camtepe and I. Khalil},
journal= {arXiv preprint arXiv:1906.08149},
year = {2019}
}
备注
Information Sciences