基于安全多方计算的隐私保持数据挖掘技术研究的综述报告_第1页
基于安全多方计算的隐私保持数据挖掘技术研究的综述报告_第2页
基于安全多方计算的隐私保持数据挖掘技术研究的综述报告_第3页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于安全多方计算的隐私保持数据挖掘技术研究的综述报告随着数据挖掘技术的发展，越来越多的数据被收集，涉及到个人隐私的数据也随之增加。针对数据隐私保护的需求，安全多方计算（securemultipartycomputation，SMC）逐渐成为保护用户隐私的重要手段之一。本文将对基于SMC的隐私保持数据挖掘技术进行综述。一、安全多方计算基本概念安全多方计算是指在多方参与的计算中，不泄漏参与方任何信息的计算过程。常见的安全多方计算包括：秘密共享（SecretSharing）、安全多方运算（SecureMultipartyComputation）等。秘密共享主要通过将秘密分解成多个部分在参与方中分配存储，实现秘密的共享。根据分配的方式不同，秘密共享通常可以分为两类：Shamir's秘密共享和SecretSplitting。与秘密共享不同的是，安全多方运算主要通过在多方之间进行信息计算和传输来实现安全性。在安全多方运算中，每个用户都有自己的输入，但是运算结果仅在参与者之间共享，而不会被泄露给其他人。二、基于安全多方计算的隐私保持数据挖掘技术1、安全K-means算法K-means算法是一种聚类分析（ClusterAnalysis）算法，但是由于涉及到数据的计算和传输，可能会泄露用户的隐私信息。因此，安全K-means算法应运而生。安全K-means算法主要通过使用秘密共享技术来实现。具体来说，安全K-means算法的实现过程如下：（1）参与方将自己的数据进行随机加噪和秘密共享。（2）各参与方计算样本的距离并将结果传输给协调者。（3）协调者计算新的质心点并将结果返回给各参与方。（4）参与方检查质心点是否变化，如果变化就继续迭代。（5）最后的迭代结果通过秘密重构实现私密性和结果重构。这样，使用安全K-means算法来实现数据挖掘将不会泄露数据的隐私信息。2、差分隐私技术差分隐私技术是一种保护数据隐私的方法，主要通过在计算中添加噪声来保护用户的隐私。差分隐私技术主要包括：Laplace机制、指数机制等。（1）Laplace机制Laplace机制是差分隐私的一种方法，通过在计算结果中添加服从Laplace分布的噪声来达到保护数据隐私的目的。具体来说，如果算法输出的结果为f(x)，则Laplace机制可以通过以下公式来计算：f'(x)=f(x)+Laplace(b/ε)其中，f'（x）表示加噪声后的输出结果，b表示噪声量，ε表示隐私预算。由于Laplace机制的加噪处理可以使用加法和同态加密技术完成，因此可用于安全多方计算环境中。（2）指数机制指数机制也是一种差分隐私技术，主要是通过保证查询结果的质量和用户隐私之间的平衡，保护用户隐私。具体来说，采用指数机制的差分隐私模型，在保证数据隐私的情况下，能够保证查询结果的准确性。三、总结本文对基于安全多方计算的隐私保持数据挖掘技术进行了综述。安全多方计算为保护用户隐私提供了有力手段，可以通过秘密共享和安全运算技术实现隐私保护。另外，差分隐私技术也可以

人人文库> 全部分类> 毕业设计 > 开题报告

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论