面向差分隐私保护的随机森林算法
来源：计算机工程杂志2020年第1期北京时间：
作者：李远航, 陈先来, 刘莉, 安莹, 李忠民
单位：中南大学 a. 计算机学院;b. 医疗大数据应用技术国家工程实验室;c. 信息安全与大数据研究院, 长沙 410083
摘要：数据挖掘中的隐私保护问题是目前信息安全领域的研究热点之一。针对隐私保护要求下的分类问题，提出一种面向差分隐私保护的随机森林算法RFDPP-Gini。将随机森林与差分隐私保护相结合，在隐私信息得到保护的同时提高分类的准确率。以CART分类树作为随机森林中的单棵决策树，使用Laplace机制和指数机制添加噪声并选择最佳分裂特征。实验结果表明，RFDPP-Gini算法既能处理离散型特征又能处理连续型特征，在Adult和Mushroom数据集上的分类准确率最高分别达86.335%和100%，且在加入噪声后算法的分类准确率下降幅度极小。
关键词：隐私保护,差分隐私,随机森林,决策树,CART分类树
基金资助：国家重点研发计划（2016YFC0901705）；湖南省自然科学基金（2018JJ2534）。
