[发明专利]一种密度峰值聚类算法的差分隐私保护方法

摘要

本发明涉及一种密度峰值聚类算法的差分隐私保护方法，其步骤1)基于Voronoi图分割的方法对数据对象进行分组，并采用Map Reduce技术来并行计算，提高算法的效率；2)对数据集D中每一个点xi计算局部密度2.1)需要从分组聚簇Si复制四个点到Sj；2.2)往数据集中添加噪音；2.3)使得ρ'的计算满足ε‑差分隐私保护；3)对每一个点xi计算密度距离在计算值时，为解决因分组导致的计算错误，采用复制过滤模型来保证聚类隐私保护的正确性。并将数据集中添加噪音，其处理方法与步骤2.1)至2.2)相同，使δ”的计算满足ε‑差分隐私。本发明能解决大数据背景下的新型密度峰值聚类算法的隐私保护，保证聚类的正确性。

主权项

一种密度峰值聚类算法的差分隐私保护方法，其特征在于包括以下步骤：1)基于Voronoi图分割的方法对数据对象进行分组；2)对数据集D中每一个点xi计算局部密度2.1)需要从分组聚簇Si复制四个点到Sj；2.2)往数据集中添加噪音：ρ′=Σxjχ(dxixj-dc)+Lap(β)Lap(β)=exp(-|x|/β,β=GSρ/ϵ1)]]>式中，ρ'表示加入噪音后的局部密度值，表示点xi和点xj之间的距离，dc表示阈值，Lap(β)表示加入的噪音，β表示加入的噪音量，χ()表示是一个函数，如果l＜0，则χ(l)＝1；否则χ(l)＝0，GSρ表示局部密度函数ρ的敏感度，ε1表示第一阶段隐私预算；2.3)如果dc满足如下不等式，则ρ'的计算满足ε‑差分隐私保护：3)对每一个点xi计算密度距离并将数据集中添加噪音，其处理方法与步骤2.1)至2.2)相同，使δ”的计算满足ε‑差分隐私。