基于改进的k-means差分隐私保护方法在位置隐私保护中的应用

doi:10.3969/j.issn.1000-1565.2018.03.013

河北大学学报(自然科学版) ›› 2018, Vol. 38 ›› Issue (3): 315-320.DOI: 10.3969/j.issn.1000-1565.2018.03.013

基于改进的k-means差分隐私保护方法在位置隐私保护中的应用

齐晓娜¹, 王佳²,徐东升³, 张宇敬¹, 郭佳¹,刘阳¹

出版日期:2018-05-25 发布日期:2018-05-25
作者简介:齐晓娜(1979—),女,河北昌黎人,河北金融学院讲师,主要从事数据挖掘、人工智能方面研究. Email:qixn79@126.com
基金资助:
河北省高等学校科学技术研究项目(QN2017327)

Application of improved k-means differential privacy protection in location privacy protection

QI Xiaona¹,WANG Jia², XU Dongsheng³, ZHANG Yujing¹,GUO Jia¹,LIU Yang¹

1.Department of Information Management & Engineering, Hebei Finance University, Baoding 071051, China; 2.Experimental Teaching Center, Hebei Finance University, Baoding 071051, China; 3.Department of Computer Applied Engineering, Hebei Software Institute, Baoding 071000, China

Online:2018-05-25 Published:2018-05-25

摘要/Abstract

摘要： 针对k-means差分隐私聚类结果的可用性较差的问题,依据LBS的数据采集特点对k-means算法进行了改进.仿真实验证明:在LBS隐私保护方面,提出的改进k-means聚类方法在聚类结果的匿名性方面相对普通差分隐私k-means聚类方法有一定程度的提高.

关键词: k-means, 聚类, 差分隐私, 位置隐私保护

Abstract: In view of the poor availability of k-means differential privacy clustering results, the k-means algorithm is improved on the basis of the characteristics of the data acquisition of LBS. Proved by simulation experiment, The new k-means clustering method proposed in this paper had a certain degree of improvement in the anonymity of clustering results than the ordinary differential privacy k-means clustering method in terms of LBS privacy protection.

Key words: k-means, clustering, differential privacy, location privacy protection

中图分类号:

TP309

齐晓娜, 王佳,徐东升, 张宇敬, 郭佳,刘阳. 基于改进的k-means差分隐私保护方法在位置隐私保护中的应用[J]. 河北大学学报(自然科学版), 2018, 38(3): 315-320.

QI Xiaona,WANG Jia, XU Dongsheng, ZHANG Yujing,GUO Jia,LIU Yang. Application of improved k-means differential privacy protection in location privacy protection[J]. Journal of Hebei University (Natural Science Edition), 2018, 38(3): 315-320.

参考文献

[1] 李婕,白志宏,于瑞云,等.基于PSO优化的移动位置隐私保护算法[J/OL].计算机学报,2017:1-15. LI J, BAI Z H, YU R Y, et al. Mobile location privacy protection algorithm based on PSO optimization[J/OL]. Chinese Journal Of Computers, 2017:1-15.
[2] 王玲玲,马春光,刘国柱.基于位置服务的隐私保护机制度量研究综述[J].计算机应用研究,2017,34(03):647-652. DOI: 10.3969 / j.issn.1001-3695.2017.03.002. WANG L L, MA C G, LIU G Z. Survey on metrics for location-based privacy protection mechanisms[J].Application Research of Computers, 2017,34(03):647-652. DOI: 10.3969 / j.issn.1001-3695.2017.03.002.
[3] 张学军,桂小林,伍忠东.位置服务隐私保护研究综述[J].软件学报,2015,26(9):2373-2395. DOI: 10.13328/j.cnki.jos.004857. ZHANG X J, GUI X L, WU Z D. Privacy preservation for location-based services: A survey[J].Journal of Software, 2015,26(9):2373-2395. DOI: 10.13328/j.cnki.jos.004857.
[4] 许明艳,赵华,季新生.位置服务隐私保护技术研究综述[J].信息工程大学学报,2015,16(5):543-551. DOI: 10.3969 / j.issn.1671-0673.2015.05.006. XU M Y, ZHAO H,JI X S. Survey of location privacy protection technology[J].Journal of Information Engineering University, 2015,16(5):543-551. DOI: 10.3969 / j.issn.1671-0673.2015.05.006.
[5] 李杨,温雯,谢光强.差分隐私保护研究综述[J].计算机应用研究,2012,29(9): 3201-3205+3211. DOI:10.3969/j.issn.1001-3695.2012.09.001. LI Y, WEN W, XIE G Q. Survey of research on differential privacy[J].Application Research of Computers, 2012,29(9):3201-3205+3211.DOI:10.3969 / j.issn.1001-3695.2012.09.001.
[6] 杨晓晖,朱烨,胡倩茹.基于SpaceTwist改进的位置隐私保护方法[J].河北大学学报(自然科学版),2017,37(3):287-293.DOI:10.3969/j.issn.1000-1565.2017.03.011. YANG X C, ZHU Y, HU Q R. Improved location privacy protection method based on SpaceTwist[J].Journal of Hebei University(Natural Science Edition), 2017,37(3):287-293. DOI:10.3969/j.issn.1000-1565.2017.03.011.
[7] 赵大鹏,宋光旋,靳远远等.基于查询概率的位置隐私保护方法[J].计算机应用,2017,37(2):347-351+359. DOI: 10.11772 /j.issn.1001-9081.2017.02.0347. ZHAO D P, SONG G X, JIN Y Y, et al. Query probability-based location privacy protection approach[J]. Journal of Computer Application, 2017,37(2):347-351. DOI:10.11772/j.issn.1001-9081.2017.02.0347.
[8] 张红斌.公共网络用户隐私保护位置优化识别仿真[J].计算机仿真,2017,34(2):330-333. ZHANG H B. Public network user privacy protection location optimization identification simulation[J]. Computer Simulation,2017,34(2):330-333.
[9] 熊平,朱天清,王晓峰.差分隐私保护及其应用[J].计算机学报,2014,37(1):101-122.DOI:10.3724/SP.J.1016.2014.00101. XIONG P, ZHU T Q, WANG X F. A survey on differential privacy and applications[J]. Chinese Journal of Computers,2014,37(1):101-122. DOI:10.3724/SP.J.1016.2014.00101.
[10] 李灵芳. 基于差分隐私的k-means聚类分析[D].成都:西南交通大学,2016. LI L F. The analysis of k-means clustering with differential privacy[D].Chengdu:Southwest Jiaotong University,2016.
[11] 李杨,郝志峰,温雯,等.差分隐私保护k-means聚类方法研究[J].计算机科学,2013,40(3):287-290. LI Y, HAO Z F, WEN W,et al. Research on differential privacy preserving k-means clustering[J]. Computer Science, 2013,40(3):287-290.

[1]	张宇敬,王柳,齐晓娜,许美玲,王蕾. 基于信息熵的商业银行客户画像属性约简研究[J]. 河北大学学报(自然科学版), 2022, 42(1): 98-104.
[2]	张建,卢凯,石晶,郭怀忠. 多糖部分降解产物在板蓝根颗粒多糖成分分析中的应用[J]. 河北大学学报(自然科学版), 2021, 41(1): 40-46.
[3]	翟俊海, 田石, 张素芳, 王谟瀚, 宋丹丹. 基于MapReduce和Spark的大数据模糊K-means算法比较[J]. 河北大学学报(自然科学版), 2020, 40(4): 433-440.
[4]	李凯,翟璐璐,崔丽娟. 基于样本权重的v -支持向量机[J]. 河北大学学报(自然科学版), 2018, 38(2): 185-193.
[5]	高学伟,付忠广,孙力,张刚. 基于Hadoop分布式支持向量机球磨机大数据建模[J]. 河北大学学报(自然科学版), 2017, 37(3): 309-315.
[6]	杨晓晖,朱烨,胡倩茹. 基于SpaceTwist改进的位置隐私保护方法[J]. 河北大学学报(自然科学版), 2017, 37(3): 287-293.
[7]	李琮,袁方,刘宇,李欣雨. 基于LDA模型和T-OPTICS算法的中文新闻话题检测[J]. 河北大学学报(自然科学版), 2016, 36(1): 106-112.
[8]	王光磊,苑昊,魏帅,时亚松,刘秀玲. 基于区域生长和聚类的主动脉CTA图像序列分割算法[J]. 河北大学学报(自然科学版), 2015, 35(6): 644-650.
[9]	哈艳,杜瑞忠,钟莲,张东琦,李森. 一种改进的网络突发话题检测算法[J]. 河北大学学报(自然科学版), 2015, 35(5): 526-531.
[10]	李凯,王亮,周宇飞. 基于偶对约束和马氏距离的半监督模糊聚类算法[J]. 河北大学学报(自然科学版), 2014, 34(5): 535-540.
[11]	李昆仑,王哲,张娟,武倩,宋嵩. 基于ELM集成和半监督聚类的SNS隐私保护[J]. 河北大学学报(自然科学版), 2013, 33(1): 84-89.
[12]	邓佳佳,刘爽. 基于免疫模糊聚类的LSSVM在短期负荷预测中的应用[J]. 河北大学学报(自然科学版), 2012, 32(3): 234-239.
[13]	王春才,杨华民,张彩虹,郭威,韩贵东. 一种适用于数据仓库环境的增量聚类方法[J]. 河北大学学报(自然科学版), 2010, 30(2): 211-215.
[14]	唐皓,刘希玉. 基于密度流形上的空间聚类[J]. 河北大学学报(自然科学版), 2009, 29(6): 658-662.
[15]	李凯,常圣领,高悦. 基于聚类技术的集成学习方法研究[J]. 河北大学学报(自然科学版), 2009, 29(2): 209-213.

基于改进的k-means差分隐私保护方法在位置隐私保护中的应用

Application of improved k-means differential privacy protection in location privacy protection

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价