首页 > 期刊 > 自然科学与工程技术 > 信息科技 > 电子信息科学综合 > 计算机工程 > 面向差分隐私保护的随机森林算法 【正文】

面向差分隐私保护的随机森林算法

李远航; 陈先来; 刘莉; 安莹; 李忠民 中南大学计算机学院; 长沙410083; 中南大学医疗大数据应用技术国家工程实验室; 长沙410083; 中南大学信息安全与大数据研究院; 长沙410083
  • 隐私保护
  • 差分隐私
  • 随机森林
  • 决策树
  • cart分类树

摘要:数据挖掘中的隐私保护问题是目前信息安全领域的研究热点之一。针对隐私保护要求下的分类问题,提出一种面向差分隐私保护的随机森林算法RFDPP-Gini。将随机森林与差分隐私保护相结合,在隐私信息得到保护的同时提高分类的准确率。以CART分类树作为随机森林中的单棵决策树,使用Laplace机制和指数机制添加噪声并选择最佳分裂特征。实验结果表明,RFDPP-Gini算法既能处理离散型特征又能处理连续型特征,在Adult和Mushroom数据集上的分类准确率最高分别达86.335%和100%,且在加入噪声后算法的分类准确率下降幅度极小。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

投稿咨询 免费咨询 杂志订阅

我们提供的服务

服务流程: 确定期刊 支付定金 完成服务 支付尾款 在线咨询