文献

J-GLOBAL ID：202202278480958118   整理番号：22A0991847

属性分割に基づく高次元二値データ差分プライバシー配布【JST・京大機械翻訳】

Differentially Private High-Dimensional Binary Data Publication via Attribute Segmentation

著者 (4件)： Hong Jinxin (福州大学数学与計算机科学学院 福州 350108) ,  Wu Yingjie (福州大学数学与計算机科学学院 福州 350108) ,  Cai Jianping (厦門華厦学院信息与智能机電工程学院 福建厦門 361024) ,  Sun Lan (福州大学数学与計算机科学学院 福州 350108)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 59  号： 1  ページ： 182-196  発行年： 2022年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 通常、データセットの属性次元の増加に伴い、高次元データの差分プライバシ公開方法に必要な時間コストとノイズ干渉も増大し、特に高次元二値データに対して過大なノイズで覆われやすい。従って,高次元二値データのためのプライバシー公開問題を研究した。高効率かつ低ノイズの発表方法PrivSCBN(differentiallyprivatespectralclusteringBayesiannetwork)を提案した。まず、この方法はJaccard距離に基づいて、差分プライバシーを満たすスペクトルクラスタリングアルゴリズムを用いて属性集合を分割し、その後、分割の結果に従って、元のデータセットをさらに分割し、データの次元縮小を実現する。次に,動的計画のアイデアと指数機構に基づいて,Bayesianネットワークを構築するために,差分プライバシーを満たすベイジアンネットワークの高速構築アルゴリズムを使用した。最後に,2値データ上の条件付確率値特性を用いて,ベイジアンネットワークから抽出された条件分布を雑音除去し,そして,ベイジアンネットワークの最大入力数を制御することによって,ノイズサイズを低減した。3つの実高次元二値データセットに関する実験により、PrivSCBN方法の高効率性と利用性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  干渉 ,  雑音 ,  計算機利用 ,  スペクトル ,  アイデア ,  プライバシー ,  集合 ,  *高次元 ,  次元縮小 ,  雑音除去
準シソーラス用語： 高効率 ,  条件付確率 ,  低雑音 ,  クラスタリングアルゴリズム ,  高次元データ , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 属性 ,  高次元 ,  二値 ,  差分プライバシー ,  配布