基于信息浓缩的隐私保护支持向量机分类算法

来源：计算机应用杂志2016年第2期北京时间：

作者：狄岚, 于晓瞳, 梁久祯

单位：1. 江南大学 数字媒体学院, 江苏 无锡 214122;2. 江南大学 物联网工程学院, 江苏 无锡 214122

摘要：支持向量机(SVM)的分类决策过程涉及到对原始训练样本的学习,容易导致数据中隐私信息的泄漏。为解决上述问题,提出一种基于信息浓缩的隐私保护分类方法IC-SVM。该算法首先根据样本的邻域信息,通过模糊C均值(FCM)聚类算法进行聚类分析;接着,使用信息浓缩准则对聚类中心进行处理,得到浓缩点组成的新样本;最后,使用新样本进行训练并得到决策函数,并用它去进行分类测试,可以较好地保护数据的隐私。在UCI真实数据和PIE人脸数据上的实验结果表明,IC-SVM方法既能保护数据信息的安全,又有较高的分类准确率。

关键词：支持向量机,模糊C均值,分类,隐私保护,信息浓缩

基金资助：江苏省六大人才高峰项目(DZXX-028);江苏省产学研项目(BY2014023-33)。