《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》
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。
图表编号 | XD0090293900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 汪小寒、韩慧慧、张泽培、俞庆英、郑孝遥 |
绘制单位 | 安徽师范大学计算机与信息学院、安徽师范大学网络与信息安全安徽省重点实验室、安徽师范大学计算机与信息学院、安徽师范大学网络与信息安全安徽省重点实验室、安徽师范大学计算机与信息学院、安徽师范大学网络与信息安全安徽省重点实验室、安徽师范大学计算机与信息学院、安徽师范大学网络与信息安全安徽省重点实验室、安徽师范大学计算机与信息学院、安徽师范大学网络与信息安全安徽省重点实验室 |
更多格式 | 高清、无水印(增值服务) |