改进的密度峰值聚类算法的差分隐私保护方案

作者：葛丽娜; 陈园园; 王捷; 王哲

来源：郑州大学学报(工学版), 2023, 44(06): 19-24.

DOI：10.13705/j.issn.1671-6833.2023.03.010

• 密度峰值
• 差分隐私
• 随机噪声
• 聚类算法

针对改进的密度峰值聚类(AdDPC)算法在计算局部密度时产生的隐私泄露问题以及算法的一次分配策略，提出一种改进的密度峰值聚类算法的差分隐私保护方案。该方案在算法计算局部密度的过程中添加Laplace随机噪声，使得即使攻击者拥有最大背景知识，也无法通过添加或者删除数据集中的某一点来获取相应的信息，从而利用差分攻击获取目标数据点的信息，达到保护隐私数据的目的，并且在分配非聚类中心点时引入可达定义改进AdDPC算法的分配策略，避免因为一次分配策略导致数据点分配错误的问题。实验对比了DP-rcCFSFDP算法、AdAPC-rDP算法、IDP K-means算法的F-Measure和ARI,结果表明：当隐私预算大于1.5时，所提算法的F-Measure和ARI优于其他算法，所提算法能够在保护敏感数据的同时保证数据的可用性。

• 出版日期2023
• 单位广西民族大学