作者：石秀金; 胡艳玲隐私保护分类树动态集值型数据增量更新
摘要：基于分类树的差分隐私保护方法有效地对静态集值型数据进行了保护，但对于动态集值型数据却没有相应的保护方法，因此提出一种基于分类树的差分隐私保护下的动态集值型数据的算法。该算法首先根据数据集中项的全集构造关系矩阵，挑选关系最紧密的项集构造分类树；然后设定一个边界值来限制数据的增量更新，并将新增的记录添加到分类树的根节点中，按照初始分类树的分配法迭代分配每个记录；最后根据拉普拉斯机制向叶子节点中加入噪音，保证整个算法满足差分隐私的要求。相对已有算法，所提算法优化了分类树，使所数据建立的分类树模型有少量的叶子节点产生，减少了噪音的添加。实验用两组真实的数据集验证了所提算法的有效性和相对于其他算法的优越性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
