基于OPTICS聚类的差分隐私保护算法的改进

来源：计算机应用杂志2018年第1期北京时间：

作者：王红, 葛丽娜, 王苏青, 王丽颖, 张翼鹏, 梁竣程

单位：1. 广西民族大学 信息科学与工程学院, 南宁 530006;2. 广西民族大学 东盟研究中心(广西科学实验中心), 南宁 530006;3. 深圳市亿威尔信息技术股份有限公司, 广东 深圳 518000;4. 广西广播电视信息网络股份有限公司, 南宁 530006

摘要：采用聚类算法预先处理个人隐私信息实现差分隐私保护，能够减少直接发布直方图数据带来的噪声累积现象，同时减小了直方图因合并方式不同带来的重构误差。针对DP-DBSCAN差分隐私算法存在对数据参数输入敏感问题，将基于密度聚类的OPTICS算法应用于差分隐私保护中，并提出改进的DP-OPTICS差分隐私保护算法，对稀疏型数据集进行压缩处理，对比采用同方差噪声和异方差噪声两种添加噪声方式，考虑攻击者能够攻破隐私信息的概率，确定隐私参数ε的上界，有效平衡了敏感信息的隐私性和数据的可用性之间的关系。将DP-OPTICS算法和基于OPTICS聚类的差分隐私保护算法、DP-DBSCAN算法进行对比，DP-OPTICS算法在时间消耗上介于其余二者之间，但是在取得相同参数的情况下，聚类的稳定性在三者中最好，因此改进后OP-OPTICS差分隐私保护算法总体上是可行的。

关键词：聚类算法,个人隐私,重构误差,差分隐私保护,OPTICS算法

基金资助：国家自然科学基金资助项目（61462009）；广西民族大学科研基金资助项目（2014MDYB029）；广西民族大学中国-东盟研究中心（广西科学实验中心）2014年度开放课题项目（TD201404）；广西民族大学研究生科研创新资助项目（gxun-chxps201671）。