计算机软件及计算机应用论文_基于本地差分隐私
11-05文章摘要:空间位置数据分布通常具有不均匀性，不同区域密度差异较大，在本地差分隐私模型中由于无法直接获取用户真实位置数据，空间位置划分方法较为局限，导致数据发布存在查询精度低、通信代价大等问题。因此提出一种空间数据分层自适应划分方法KDG-HT（hierarchical tree based on kd-tree adaptive density grid），通过收集部分用户数据初步获取区域的分布情况，采用KD-树思想划分区域，并利用抽样技术对用户分组，根据分组用户统计结果所提供的先验知识，进行多层细粒度划分。此外，结合差分隐私模型的并行组合特性，分层扰动用户数据，从总体上实现发布数据的ε-差分隐私保护。实验结果表明，KDG-HT算法适用于多种分布情况的大规模空间数据集，查询精度及时间效率均优于其他方法，其中与GT-R算法相比发布数据的查询精度最高提高了三倍，时间效率提升了17%。
文章关键词: