采用成分分析的差分隐私数据发布算法

摘要 基于隐私保护的数据发布主要研究如何发布数据，使其能在不泄露隐私的情况下又能提供良好的数据可用性.在已有的隐私保护模型中，差分隐私保护模型因为对攻击者具有的背景知识已经做了最强假设，因此具有更强的安全性.一般的差分隐私保护模型实现机制有指数机制和拉普拉斯机制.本文研究非交互式下的差分隐私数据发布算法，对传统拉普拉斯机制进行了改进，提出了基于主成分分析的差分隐私保护机制，使其在同样的隐私保护程度下，对数据所加噪声更小，数据可用性更高.并针对发布数据的分类问题，进一步提出了基于线性判别分析的差分隐私数据发布算法，实验证明所发布数据在进行数据挖掘时，具有良好的分类效果