基于序列格的隐私时序模式挖掘方法OA北大核心CSCDCSTPCD
Private Time Series Pattern Mining with Sequential Lattice
基于差分隐私的时间序列模式挖掘方法中,序列的最大长度以及添加拉普拉斯噪声的多少直接制约着挖掘结果的可用性.针对现有时间序列模式挖掘方法全局敏感度过高、挖掘结果可用性较低的不足问题,提出了一种基于序列格的差分隐私下时间序列模式挖掘方法PrivTSM(Differentially Private Time Series Pattern Mining).该方法首先利用最长路径的策略对原始数据库进行截断处理;在此基础上,采用表连接操作生成满足差分隐私的序列格;结合序列格结构本身的特性,合理分配隐私预算,提高输出模式的可用性.理论分析表明PrivTSM方法满足ε-差分隐私,基于真实数据库上实验结果表明,PrivTSM方法的准确率TPR(True Postive Rate)和平均相对误差ARE(Average Relative Error)明显优于N-gram和Prefix-Hybrid方法.
彭慧丽;金凯忠;付聪聪;付楠;张啸剑
河南财经政法大学计算机与信息工程学院,河南郑州450002河南广播电视大学信息工程学院,河南郑州450046河南财经政法大学计算机与信息工程学院,河南郑州450002河南财经政法大学计算机与信息工程学院,河南郑州450002河南财经政法大学计算机与信息工程学院,河南郑州450002
信息技术与安全科学
差分隐私时间序列全局敏感度数据挖掘数据截断序列格
《电子学报》 2020 (1)
153-163,11
国家自然科学基金(No.61502146,No.91646203,No.91746115,No.61772131,No.61702161)河南省自然科学基金(No.162300410006)河南省科技攻关项目(No.162102310411)河南省教育厅高等学校重点科研项目(No.16A520002)河南省高等学校青年骨干教师培养计划(No.2017GGJS084)河南财经政法大学青年拔尖人才资助计划
评论