论文部分内容阅读
差分隐私定义了一种比较严格和强健的隐私保护模型,通过添加噪音使数据失真达到隐私保护的目的。本文提出一种基于差分隐私的频繁项集挖掘方法DPFM,该算法的挖掘策略结合Laplace机制,能够在保证计算性能的前提下实现差分隐私保护。通过实验表明,本文提出的DPFM算法在误差和拒真率以及两种指标的收敛速度上都优于TF方法。