基于矩阵机制的差分隐私连续数据发布方法
蔡剑平;吴英杰;王晓东
【期刊名称】《计算机科学与探索》 【年(卷),期】2016(010)004
【摘要】The vast majority of the literature on differential privacy algorithms focuses on one time static release of data-sets, while many applications of data analysis involve the continual data release. This paper proposes a method based on matrix mechanism for differential privacy continual data release. The key idea of the proposed method is to firstly construct the strategy matrix of the continual data release problem using the binary indexed tree, and then optimize the strategy matrix to boost the accuracy of the published data. After that, aiming at the high time complexity of existing optimization algorithm based on matrix mechanism, this paper puts forward a fast diagonal matrix optimization algo-rithm (FDA) with O(lg N) time complexity, which can be applied to the situation of large-scale continuous data pub-lishing effectively. This paper compares and analyzes FDA and the traditional algorithms on the accuracy of the released data by experiments. The experimental results show that FDA is effective and feasible.%现有绝大多数差分隐私算法只考虑数据的一次静态发布，而实际许多数据分析应用却涉及连续数据发布。为此，提出了一种基于矩阵机制的差分隐私连续数据发布方法。该方法的核心思想是首先利用树状数组构建连续数据发布问题的策略矩阵，然
后对策略矩阵进行优化以提高发布数据的精确性。随后，进一步针对现有基于矩阵机制的优化算法复杂度极高的问题，提出了时间复杂度为O(lg N)的快速对角阵优化算法（fast diagonal matrix optimization algorithm，FDA），以有效应用于大规模的连续数据发布。通过实验比较分析了FDA算法与同类算法所发布数据的精确度，结果表明FDA算法是有效可行的。 【总页数】14页(481-494)
【关键词】差分隐私;矩阵机制;树状数组;连续发布 【作者】蔡剑平;吴英杰;王晓东
【作者单位】福州大学 数学与计算机科学学院，福州 350116;福州大学 数学与计算机科学学院，福州 350116;福州大学 数学与计算机科学学院，福州 350116
【正文语种】中文 【中图分类】TP309.2 【文献来源】
https://www.zhangqiaokeyan.com/academic-journal-cn_journal-frontiers-computer-science-technology_thesis/0201241226394.html 【相关文献】
1.基于矩阵机制的差分隐私连续数据发布 [C], CAI Jianping; 蔡剑平; WU Yingjie; 吴英杰; WANG Xiaodong; 王晓东
2.矩阵机制下差分隐私数据发布方法的误差分析 [J], 吴英杰; 陈靖麟; 蔡剑平; 王一蕾
3.一种基于差分隐私机制的自适应轨迹数据发布算法 [J], 张双越; 田丰; 吴振强
4.一种基于差分隐私的集值型数据发布方法 [J], 王天放[1]; 张龙军[2]; 陈晓[1] 5.一种基于差分隐私的集值型数据发布方法 [J], 王天放; 张龙军; 陈晓
以上内容为文献基本信息，获取文献全文请下载
基于矩阵机制的差分隐私连续数据发布方法
