×
傅楠;倪伟伟;胡海波;张森

具有局部差异隐私的多维网格聚类。 （英文） Zbl 07838255号

信息科学。 623, 402-420 (2023).
摘要：隐私保护聚类近年来受到越来越多的研究关注。局部差异隐私（LDP）是一种不依赖可信第三方的隐私模型。它在分布式隐私保护聚类中起着至关重要的作用。以前的大多数方法都侧重于基于分区的聚类（例如，k均值），这需要许多迭代交互。大规模迭代会导致隐私预算的划分，并增加单个噪声的数量，从而影响聚类效用。为了解决这个问题，我们转向基于网格的聚类，并设计GC-LDP算法来平衡隐私和聚类效用，只需三轮交互。在GC-LDP中，我们的核心贡献是通过变异系数（CV）开发了一种非均匀网格划分方法，该方法可以在两轮交互中生成近似全球数据分布的网格结构。此外，我们设计了一种新的扰动机制来减少单个噪声注入量。此外，通过探索网格之间的相对密度差异，开发了一种细胞聚集方法，以实现多密度聚类。理论分析和实际数据集的实验表明，GC-LDP可以在满足局部差异隐私的同时获得高质量的聚类结果。

MSC公司：

62至XX 统计
68倍 计算机科学

关键词：

本地差异隐私;基于网格的聚类;迭代轮次

软件：

RAPPOR公司
PDF格式BibTeX公司 XML格式引用
\textit{N.Fu}等人，《信息科学》。623402--420（2023；Zbl 07838255）
全文： 内政部

参考文献：

[1] J.C.Duchi、M.I.Jordan、M.J.Wainwright，《局部隐私和统计最小最大速率》，摘自：2013年IEEE第54届计算机科学基础年度研讨会，IEEE，2013年，第429-438页。
[2] Ú. Erlingsson，V.Pihur，A.Korolova，Rappor:随机化可聚合隐私保护有序响应，摘自：2014年ACM SIGSAC计算机和通信安全会议论文集，2014年，第1054-1067页。
[3] 郭，T。；罗，J。；Dong，K。；Yang，M.，基于本地差异私有项目的协同过滤，信息科学。，502, 229-246 (2019) ·Zbl 1453.68071号
[4] 郑，X。；陈，A。；罗，G。；田，L。；Cai，Z.，Privacy-在人工辅助的普适计算系统中保留了不同的内容集合，Inf.Sci。，493, 91-104 (2019) ·兹比尔1451.68100
[5] C.计算机科学中的Dwork、Differential privacy、课堂讲稿。
[6] 李，X。；李，H。；朱，H。；Huang，M.，差异隐私下laplace机制查询次数的最优上界，Inf.Sci。，503, 219-237 (2019) ·Zbl 1453.68072号
[7] 王，R。；冯，B.C。；Zhu，Y。；Peng，Q.，任意分区数据的差异私有数据发布，Inf.Sci。，553, 247-265 (2021) ·兹比尔1483.68101
[8] Wang，H。；Wang，H.，通过差异隐私发布相关元组数据，Inf.Sci。，560, 347-369 (2021) ·Zbl 1484.68061号
[9] K.Nissim，U.Stemmer，《集中式和局部模型的聚类算法》，载于：算法学习理论，PMLR，2018年，第619-653页·Zbl 1405.68111号
[10] 斯特默，美国。；Kaplan，H.，《具有恒定乘法误差的差分私有k均值》，高级神经信息。过程。系统。，31, 5431-5441 (2018)
[11] 夏，C。；Hua，J。；Tong，W。；Zhong，S.，Distributed k-means集群，保证本地差异隐私，计算。安全。，90，第101699条pp.（2020）
[12] Z.Qin，Y.Yang，T.Yu，I.Khalil，X.Xiao，K.Ren，局部差异隐私下集值数据的重击估计，载于：ACM SIGSAC计算机与通信安全会议，2016年，第192-203页。
[13] T.Wang，N.Li，S.Jha，本地差异私人重击手识别，IEEE Trans。可靠的安全计算。
[14] T.Wang，N.Li，S.Jha，局部差异私有频繁项集挖掘，摘自：2018年IEEE安全与隐私研讨会，IEEE，2018年，第127-143页。
[15] 王，S。；黄，L。；聂，Y。；王，P。；Xu，H。；Yang，W.，Privset：具有地区差异隐私的集值数据分析，（IEEE INFOCOM 2018-IEEE计算机通信会议（2018），IEEE），1088-1096
[16] 刘，Z。；Xu，H。；黄，L。；杨伟，估计具有局部差异隐私的多重图的聚类系数，（无线算法、系统和应用国际会议（2021），施普林格），390-398
[17] T.T.Nguyñn、X.Xiao、Y.Yang、S.C.Hui、H.Shin、J.Shin，从具有本地差异隐私的智能设备用户收集和分析数据，arXiv预印本arXiv:1606.05053。
[18] B.Ding，J.Kulkarni，S.Yekhanin，《私下收集遥测数据》，arXiv预印本arXiv:1712.01524。
[19] B.Ding，H.Nori，P.Li，J.Allen，《比较局部差异隐私下的人口平均数：意义和权力》，载《AAAI人工智能会议论文集》，2018年第32卷。
[20] Wang，N。；Xiao，X。；Yang，Y。；赵，J。；慧，S.C。；Shin，H。；Shin，J。；Yu，G.，收集和分析具有本地差异隐私的多维数据，（2019年IEEE第35届国际数据工程会议（ICDE）（2019），IEEE），638-649
[21] U.Stemmer，局部私有k-means聚类，摘自：第十四届ACM-SIAM离散算法年会论文集，SIAM，2020年，第548-559页·Zbl 07304056号
[22] L.Sun，J.Zhao，X.Ye，具有局部差异隐私的匿名空间中的分布式聚类，arXiv预印本arXiv:1906.11441。
[23] 吕，Z。；Wang，L。；关，Z。；吴杰。；杜，X。；赵，H。；Guizani，M.，基于sdn的智能电网中混合数据的优化和差异私有聚类算法，IEEE Access，745773-45782（2019）
[24] W.Li，H.Chen，R.Zhao，C.Hu，基于本地差异隐私聚类的联合推荐系统，收录于：2021年IEEE SmartWorld，无处不在的智能与计算，高级与可信计算，可扩展计算与通信，互联网与智慧城市创新，IEEE，2021年，第364-369页。
[25] H.Sun，X.Xiao，I.Khalil，Y.Yang，Z.Qin，H.Wang，T.Yu，从分散的差异隐私的扩展局部视图分析子图统计，载于：2019年ACM SIGSAC计算机和通信安全会议论文集，2019年，第703-717页。
[26] 叶，Q。；胡，H。；金，M.H。；X孟。；Xiao，X.，走向局部差异私有通用图度量估计，（2020 IEEE第36届国际数据工程会议（ICDE）（2020），IEEE），1922-1925
[27] F.D.McSherry，《隐私集成查询：隐私保护数据分析的可扩展平台》，载于《2009年ACM SIGMOD数据管理国际会议论文集》，2009年，第19-30页。
[28] Wang，T。；布洛克，J。；李，N。；Jha，S.，频率估计的局部差异私有协议，729-745（2017），USENIX安全研讨会：USENIX-安全研讨会
[29] Warner，S.L.，《随机反应：消除回避回答偏见的调查技术》，《美国统计协会期刊》，第60、309、63-69页（1965年）·Zbl 1298.62024号
[30] 黄，H.-W。；Huang，T.-M.，基于相对网格密度差的可拓聚类算法，应用。Res.计算。，6, 1702-1705 (2014)
[31] Wilks，S.S.，《检验复合假设的似然比的大样本分布》，《数学年鉴》。Stat.，9，1，60-62（1938年）·Zbl 0018.3203号
[32] Knops，Z.F。；Maintz，J.A。；Viergever，医学硕士。；Pluim，J.P.，使用基于k-means聚类的直方图binning进行基于规范化互信息的注册，（医学成像2003：图像处理，第5032卷（2003），SPIE），1072-1080
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。