利用线性丢番图方程在隐藏决策树规则时调节前瞻程度
人工智能
2017-10-20 v1
摘要
本文关注在归纳决策树时保护敏感模式的隐私。我们采用一种记录增强方法，用于在二元数据集中隐藏敏感分类规则。这种隐藏方法优于其他启发式解决方案，如输出扰动或密码技术——后者限制了数据的可用性——因为原始数据本身可直接供公众使用。本文中，我们提出一种使用线性丢番图方程的前瞻方法，以添加适当数量的实例，同时最小程度地扰动节点的初始熵。
引用
@article{arxiv.1710.07214,
title = {On Using Linear Diophantine Equations to Tune the extent of Look Ahead while Hiding Decision Tree Rules},
author = {Georgios Feretzakis and Dimitris Kalles and Vassilios S. Verykios},
journal= {arXiv preprint arXiv:1710.07214},
year = {2017}
}
备注
10 pages, 5 figures. arXiv admin note: substantial text overlap with arXiv:1706.05733