隐私保护的外包多用户k均值聚类

过去十年中，人们研究了多种隐私保护数据挖掘（PPDM）技术。通常，参与数据挖掘过程的实体是计算和存储资源有限的最终用户或组织。因此，这些实体可能希望避免参与PPDM过程。为克服这一问题并利用云计算的其他诸多优势，将PPDM任务外包到云环境最近受到了特别关注。我们考虑这样一个场景：n个实体将其数据库（加密格式）外包给云，并要求云以隐私保护的方式对其合并数据进行聚类任务。我们将此过程称为隐私保护的外包分布式聚类（PPODC）。在本文中，我们提出了一种基于k均值聚类算法的新颖且高效的PPODC问题解决方案。我们解决方案的主要新颖之处在于通过一种高效的变换技术，完全避免了计算聚类中心所需的安全除法运算。我们的解决方案以迭代方式安全地构建聚类，并在满足预定终止条件时将最终聚类中心返回给所有实体。所提出的方案在标准半诚实模型下保护所有参与实体的数据机密性。据我们所知，我们是第一个讨论并提出PPODC问题全面解决方案的工作，该方案对参与实体产生的成本可忽略不计。我们从理论上估计了所提出协议的计算和通信成本，并通过在真实数据集上的实验证明了其实用价值。