中国高校人文社会科学信息网

支持分销渠道绩效评价的个体化差分隐私Skyline 查询研究

作者:兰秋军 马佳琪

所属学科:管理学  二级学科: 管理工程
关键字:隐私保护,差分隐私,Skyline查询,谱聚类

摘要/Abstract

Skyline查询在分销渠道绩效评价中可以有效应用,但是其潜在的隐私风险是一个值得关注的现实问题。差分隐私(DP)是一种严格的隐私保护方法,因其鲁棒性和可靠性而成为近年来的研究热点。考虑到差分隐私会降低数据的可用性性,本文提出了基于谱聚类的个体化差分隐私保护(iDP-SC)来解决Skyline查询中的隐私泄露问题。该方法将局部敏感度的计算基础从原始数据集转移到经过谱聚类处理的数据集上,在降低敏感度的同时降低了噪声。因此,它在不牺牲差分隐私所提供的隐私保护的前提下保持了更高的数据效用。此外,与现有的隐私保护

Skyline query has been widely applied in multi-criterion decision making, whose potential privacy risk is practically concerned on distribution channel performance evaluation. Differential Privacy (DP) is a rigorous privacy-preserving method for its robustness and reliability. Considering DP will deteriorate the data utility, this paper proposes the Individual Differential Privacy via Spectral Clustering (iDP-SC) to address the privacy leakage in skyline query. It shifts the calculation of the local sensitivity from the original dataset to the one processed by spectral clustering, and through this, the sensitivity is reduced as well as the calibrated noise. As a result, it maintain higher utility without sacrificing the privacy preservation provided by differential privacy. Furthermore, compared with existing work for privacy-preserving skyline query, the proposed iDP-SC avoids the disclosure of key information, while providing the quantitative analysis of privacy protection level. The performance of the proposed iDP-SC was examined through comparison with the DP and Individual Differential Privacy (iDP) on both real and synthetic datasets. The experimental results demonstrates the capability and effectiveness of the proposed approach.

社科网首发

打印刊载证明 

全文/Full Text


论文刊载证明

兰秋军 向中国高校人文社会科学信息网"论文在线"提交的 支持分销渠道绩效评价的个体化差分隐私Skyline 查询研究 论文,经本网站审阅后,已于 2021年04月07 日 在中国高校人文社会科学信息网(互联网出版许可证:新出网证(京)字029号)刊载,对外公开发表。论文作者共 2 人,依次为:兰秋军,马佳琪。特此证明。

文章ID:101269

刊载地址:www.sinoss.net/show.php?contentid=101269

中国人民大学出版社
中国高校人文社会科学信息网
2021年04月21日



兰秋军(收)

中国高校人文社会科学信息网

0
.0
评分人数:0

作者其他文章

相关文章

读者评论