基于本地化差分隐私保护的频繁项目挖掘算法

来源：计算机技术与发展杂志2021年第08期北京时间：

作者：朱美琪;';杨庚;';白云璐;'

单位：1. 南京邮电大学 计算机学院、网络空间安全学院,江苏 南京 210023;2. 江苏省大数据安全和智能处理重点实验室,江苏 南京 210023;3. 南京市医药大学 信息技术学院,江苏 南京 210023

摘要：频繁项目挖掘是数据挖掘的研究热点之一, 若数据集包含敏感信息, 不作处理地发布挖掘结果会有隐私泄露的风险。 目前,已有本地化差分隐私的频繁项目挖掘算法, 但还无法满足处理大数据时的实时性和数据可用性要求。 针对这些问题,该文提出了一种新的面向本地化差分隐私保护的频繁项目挖掘算法—GFIM (group-based frequent items mining)。该算法把用户随机划分为不相交且大小相等的两组用户,整个运行过程分为两个阶段。 第一阶段主要根据全部用户提交的信息挖掘出频繁项目的候选集 C ,而在第二阶段,两组用户分别通过设置冗余项把自身修剪为 O(k) 发送给数据收集者,最终的 top-k 频繁项目将利用上述两个阶段的结果。 采用分阶段的思想减少了计算时遍历数据集的次数,加快了整体的运行速度。 通过理论证明了该算法满足本地化差分隐私,在多个真实数据集上的实验也验证了该方法的性能。

关键词：:频繁项目挖掘;本地化差分隐私;集值数据;隐私保护;随机响应