《表5 隐私保护度的比较：面向聚类的平面反射数据扰动方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向聚类的平面反射数据扰动方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

分析表5可知，对于TDP方法，经过它变换的属性值看起来与原始属性值很相近，但隐私保护度几乎为0；对于SDP、RDP和HDP方法，它们的隐私保护度会随着噪声矢量的选取而急剧变化，因此隐私保护度不稳定；而DPDR方法采用二次反射的数据转换方法，在隐私保护度上有很大改进，但是原始数据很容易被还原。从以上分析可知，几何数据转换的这些方法的隐私保护度非常低，其中DPDR方法在列出的五种方法中隐私保护度最好。列出的五种方法中，只要攻击者获得任意一个敏感属性数据，用户的敏感属性就会被泄露[15]，而本文方法所有属性两两配对具有随机性，b和k值的选取也是随机的，由于随机不确定性无法还原，即使攻击者获得任意一个敏感属性对，也不会泄露用户的全部敏感属性。表4也显示该方法基本不受b和k取正或负值干扰，且随着数据维度的增加，数据隐私保护度越稳定，本文提出的方法具有更好的隐私保护度。