基于本地差分隐私的互联网隐私保护数据挖掘技术

摘要

在非共谋云环境下，云服务商间的数据壁垒、兼容障碍以及交互权限缩减，限制了数据流动与共享，导致了聚类结果碎片化，从而影响了数据挖掘的效率与精确性。为此，提出了一种基于本地差分隐私的互联网隐私保护数据挖掘技术。首先，采用四分树划分结构划分二维平面数据空间，将待挖掘的互联网数据划分为多个区块，提高了数据处理的效率。其次，依托于预算分配机制（BA机制）定义不同时间戳的差分隐私预算分配策略。运用交互式框架，针对每个数据区块分别进行数据扰动和聚合处理，以适应不同数据区块的特性和挖掘需求，得到互联网隐私保护数据聚类结果。最后，建立点重叠簇合并机制，进行数据聚类结果的合并处理，得到完整和准确的最终数据挖掘结果。实验结果表明，应用基于本地差分隐私的数据挖掘技术，产生的折扣累计增益值超过0.96，证明了其在提升挖掘结果质量方面的有效性。

关键词

本地差分隐私 / 互联网隐私保护 / 四分树划分 / 数据挖掘 / BA机制