【《基于差分隐私保护的学生成绩应用分析案例》2600字】

第I第页基于差分隐私保护的学生成绩应用分析案例目录TOC\o"1-3"\h\u9000基于差分隐私保护的学生成绩应用分析案例 1292151.1实验数据集 181921.1.1数据来源 119841.1.2数据预处理 2305371.1.3数据转换 28951.2实验结果与分析 384091.2.1学生成绩相关性分析 3193401.2.2学生成绩隐私保护 6通过关联规则挖掘学生的学业成绩之间的相关性时，有可能会泄露学生的学业成绩。因此，研究人员需要采取某些措施来保护学生的个人隐私信息。在发送挖掘结论时，如何使得学生不能通过所发送的成绩结果推断出其他学生的成绩数据，同时保证保护学生自身的成绩不被他人推断出来。全体学生成绩相关性挖掘结果公示时，应当确保学生个人的成绩信息不被直接或间接攻击泄露。在采取一定措施保护学生个人信息后，应保证只有学生本人或其任课老师可获得学生的学科成绩。同时，该名学生无法通过自身信息获知其他同学的相关信息。因此，将算法应用到学生成绩分析中去。通过本校商学院2017级工程管理专业学生学习《离散数学》、《计算机网络与应用》、《战略管理》、《管理学》、《应用统计学》、《概率论与数理统计》等十五门课程的学习数据进行实验分析。通过实验结果分析出学生各学科成绩之间的关联性强弱。通过基于算法对学生各学科成绩进行分析，在保护学生个体隐私下，挖掘学生各学科成绩背后隐藏的价值信息。1.1实验数据集1.1.1数据来源本文首先收集本校商学院工程管理2017级学生学习《离散数学》等十五门课程的成绩数据，主要包括学期末十五门学科的测试成绩。原始数据集一共包括69名学生的成绩信息。研究使用的信息包括学生学科成绩，姓名，学号等几部分，部分数据显示如图2所示：图SEQ图\*ARABIC2原始数据学生成绩信息1.1.2数据预处理数据清理：旨在删除重复值、处理缺省值并对数据进行标准化处理的过程成为数据清理。收集的学生学科成绩中，存在部分学生未选修所测试学科。因此，学科测试成绩残缺值以平均值进行填充。1.1.3数据转换将数据转换为应用算法适用格式的过程成为数据的转换。学生的学科测试成绩为离散化数值，虽满足了算法的输入为离散化的数值信息这一要求。但成绩的数值间隔微小，并且仅以学生成绩这一单一维度作为测试数据挖掘各学科间的关联关系，会导致算法执行过程中效率低下且算法结果会使得后期的分析过程繁杂化，无法得到准确的关联情况。此外，所选中学科的学习成绩是百分制的数值型数据。基于此，对学生的各学科学习成绩按照成绩区间段划分为A~E五段，划分规则如表1所示。表1学生成绩区间划分学习成绩所属类别[90,100]A[80,90)B[70,80)C[60,70)D[0,60)E此外，将十五门学科的名称用序号1~9表示。对数据进行转换与处理后，所汇总得到的数据如图3所示图3处理后学生成绩信息1.2实验结果与分析1.2.1学生成绩相关性分析在对学生学科成绩进行数据挖掘后，可得到单门学科成绩所处分类级别及对应支持度，如表2。在所统计的15们学科中，B（即区间为80~90）为七门学科中占比例最高的分类级别，A（即分数区间90~100）为五门学科中占比例最高的分类级别。分类级别最高占比无D与E分类，表明十五门学科的学生成绩大都高于70分。计算机网络与应用中，存在96%的人数获得了90分以上的成绩，表明学生对该学科掌握较好。而在概率论与数理统计中，B为最高占比区间，但比例仅为29%，表明该学科对应的学生成绩分布较为均匀。表2单门学科学生成绩支持度学科得分最高区间得分区间占比学科得分最高区间得分区间占比离散数学A0.80数据库系统概论C0.36计算机网络与应用A0.96体育B0.52战略管理A0.65应用统计学B0.45马克思主义基本原理概论C0.62机器学习C0.36管理学A0.55运筹学A0.87营销学概论B0.83体育B0.52概率论与数理统计B0.29毛泽东思想概论B0.48电子商务B0.59可得到双门学科重复出现同一区间的情况及对应支持度，仅统计占比>0.70,如表3。运筹学与计算机网络与应用最高区间均为A（即90~100），且所占比例高达83%，表明大多数学生在学习此两门课程中，较易理解，得分都较高。而营销学与计算机网络与应用的组合中，营销学分类级别为B与计算机网络分类为A的所占比例最高，表明大多数学生在学习两门课程时得分高于80分。表3双门学科学生成绩支持度学科区间占比运筹学，计算机网络与应用A,A0.83营销学，计算机网络与应用B,A0.78离散数学，计算机网络与应用A,A0.77运筹学，概率论A,B0.75可获得三门学科重复出现同一区间的情况及相应的支持度，仅统计占比>0.60，如表4。在运筹，计算机网络与营销学的组合中，存在71%的学生运筹学与计算机网络同时获得90分以上的成绩，同时运筹学获得80~90分的成绩。表4三门学科学生成绩支持度学科区间占比运筹学，计算机网络与应用，营销学A,A,B0.71运筹学，离散数学，计算机网络与应用A,A,A0.65计算机网络与应用,离散数学，营销学A,A,B0.62可获得学科间的强关联规则部分如表5。由表中数据可知，大多数数据都可与计算机网络与应用形成强关联规则。由上文分析可知，计算机网络存在96%的学生该学科测试成绩在90分及以上，因此可分析出多数学科数据易与计算机网络形成关联规则。概率论与数理统计的成绩区间在80~90之间的学生所获得的运筹学成绩一定在90分以上。同时，机器学习的成绩区间在80~90之间的学生所测试的运筹学成绩也一定在90分以上。毛泽东思想概论的成绩区间在70~80之间的学生有0.77的概率在马克思的成绩中同样得到70~80的成绩。表5学科成绩置信度强关联规则置信度强关联规则置信度A10=>A21.001.00B11=>A10.87C10=>A2A7=>A30.85B7=>A131.00A7=>A50.80B12=>A131.00B7=>C40.80B11=>A130.97C10=>B80.78A7=>B60.95C15=>C40.77B7=>B60.9A8=>A50.76C15=>A10.88B10=>B140.72C4=>B60.88A8=>B140.72A1=>A130.85A8=>B100.72A1=>B60.81C12=>A30.72A2=>A130.86A5=>A30.71A2=>B60.81A1=>A30.701.2.2学生成绩隐私保护在存在强关联规则的前提下，以B11=>A1为例，假设学生B得知学生A的应用统计学成绩在80~90的区间内，则学生B较为容易推断出学生A的离散数学成绩。为保护学生隐私不受侵犯，本篇毕业设计以对离散数学进行差分隐私为例，对于每名学生的离散数学的测试成绩给予不同的隐私保护参数，之后观察不同隐私对隐私安全度的影响。图5-3给出的四个折线图分别表示不同的隐私保护参数下得到的学生离散数学被保护后的结果。其中，图4（a）为学生测试成绩的原始数据；图4（b）为当时生成的学生成绩结果；图4（c）为当时生成的成绩；图4（d）为当时生成的推荐结果。可以看出，当隐私保护预算参数不为零时，的不同值会使原始数据有一定程度的失真，从而起到隐私保护的作用。同时，设置不同的隐私保护预算参数可以获得不同的数据组。(a)原始数据（b）（c）(d)图4不同噪声值下学生学科成绩根据图5易看