软件学报

作者：郭宇红，童云海，苏燕青

单位：郭宇红，国际关系学院 网络空间安全学院, 北京 10009111,童云海，北京大学 智能科学系, 北京 10087102,苏燕青，国际关系学院 网络空间安全学院, 北京 10009103

关键词：分组;随机化;个性化;隐私保护;频繁模式挖掘

基金：国家自然科学基金（60403041）；中央高校基本科研业务费专项资金（3262017T48，3262018T02）

已有的隐私保护频繁模式挖掘随机化方法不考虑隐私保护需求差异性，对所有个体运用统一的随机化参数，实施同等的保护，无法满足个体对隐私的偏好.提出基于分组随机化的隐私保护频繁模式挖掘方法（grouping-based randomization for privacy preserving frequent pattern mining，简称GR-PPFM）.该方法根据不同个体的隐私保护要求进行分组，为每一组数据设置不同的隐私保护级别和与之相适应的随机化参数.在合成数据和真实数据中的实验结果表明：相对于统一单参数随机化mask，分组多参数随机化GR-PPFM不仅能够满足不同群体多样化的隐私保护需求，还能在整体隐私保护度相同情况下提高挖掘结果的准确性.

来源：2021年第12期

《软件学报》期刊编辑部

查看软件学报杂志2021年第12期