基于差分隐私的频繁序列模式挖掘算法

• 作 者: 李艳辉 刘浩 袁野 王国仁
• 机 构: 东北大学计算机科学与工程学院
• 出 处: 计算机应用
• 发表日期: 2017年02期
• 关键词: 频繁序列挖掘 差分隐私 隐私保护 几何机制 数据挖掘 frequent sequence mining Differential Privacy （DP） pr
• 基金项目: 国家自然科学基金资助项目（61033007,61622202,61572119）,国家973计划项目（2012CB316201）,教育部中央高校基本科研业务费资助项目（N150402005）.

针对当数据集含有敏感信息时,直接发布频繁序列模式本身及其支持度计数都有可能泄露用户隐私信息的问题,提出一种满足差分隐私(DP)的频繁序列模式挖掘(DP-FSM)算法。该算法利用向下封闭性质生成候选序列模式集,基于智能截断方法从候选模式中挑选出频繁的序列模式,最后采用几何机制对所选出模式的真实支持度添加噪声进行扰动。另外,为了提高挖掘结果的可用性,设计了一个阈值修正的策略来减小挖掘过程中的截断误差和传播误差。理论分析证明了该算法满足ε-差分隐私。实验结果表明了该算法在拒真率(FNR)和相对支持度误差(