论文分享｜一种基于本地化差分隐私的网格聚类方法

论文名称：一种基于本地化差分隐私的网络聚类方法

论文来源：计算机学报

论文作者：东南大学倪巍伟教授，博士生张东月、张森、付楠、候立贺

论文链接：http://cjc.ict.ac.cn/online/onlinepaper/zdy-2023115113610.pdf

1

本文背景

随着移动互联网应用的不断深入，产生了大量个体数据，采集分布在不同终端上的数据进行聚类可以发现人群行为模式，支撑应用服务的深入开展．然而这些数据往往包含个体敏感信息，在缺少可信数据采集者的情况下，直接采集数据进行聚类存在泄露个体数据隐私的风险．

近年来，本地化差分隐私(local differential privacy，LDP)以其严谨的数学理论基础得到隐私保护领域研究者的持续关注．现有基于LDP的聚类研究多数采用基于划分的聚类方法，存在仅适用凸状分布数据以及聚类质量损失较大问题．

针对该问题，聚焦网格聚类，提出基于LDP的隐私保护网格聚类方法．

首先，设计网格划分评估指标，通过调节网格划分粒度调控网格密度估算误差和簇边缘信息损失，指导网格结构选取；

然后，在服务器与终端间构建循环反馈机制，利用数据分布信息迭代优化扰动粒度，降低差分噪声注入量，在保护终端数据隐私安全的前提下，提升网格密度估算精度；

最后，在服务器端，提出基于网格结构的自适应网格聚合方法，提升隐私保护聚类质量．理论分析和实验结果表明，所提方法在兼顾各终端个体数据隐私的同时，对不同分布数据有良好的聚类效果．

2

主要贡献

本文的贡献可以归结于以下两大类：

1. 提出基于本地化差分隐私的网格聚类方法AGCluster，采用解析影响聚类最终结果果成因，优化网格结构和扰动粒度的思想，调控差分噪声规模，实现隐私保护与聚类质量的兼顾。 

2. 设计网格划分评估指标，量化网格划分粒度对网格密度估算误差和簇边缘信息损失的影响。

3

本文研究过程

本文的研究过程主要包括以下几个步骤： 

1. 阐述了本地化差分隐私的基本概念和应用场景，分析了现有差分隐私聚类方法的不足之处。

2. 提出了基于本地化差分隐私的网格聚类方法AGCluster，详细介绍了该方法的实现过程和关键技术，包括网格划分、网格密度估算、簇中心扰动和聚类结果输出等。 

3. 设计了一系列实验，验证了AGCluster方法在不同数据集和隐私参数下的聚类效果和隐私保护性能，并与其他差分隐私聚类方法进行了比较。 

4. 对实验结果进行了分析和讨论，总结了AGCluster方法的优点和不足之处，并提出了未来改进的方向。

4

实验结论

本文来源：计算机学报

分享仅供学习参考，若有不当，请联系我们处理。

END
热文推荐