声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：朱素霞,王蕾,孙广路,
关键词：本地差分隐私, 数据转换, 均值估计, 小批量梯度下降, 随机响应,
本地差分隐私作为一种隐私保护技术，被广泛用于连续数值型数据的均值估计，使用的扰动机制将直接影响均值的准确度.为进一步提高均值估计的准确性，提出了一种满足差分隐私的分类变换扰动机制.该机制对连续数值型数据划分变换范围并进行分段，根据分段将其变换为1维二元分类数据.转换后使用随机响应机制进行扰动，再根据扰动后的数据标识的数值段从中随机均匀抽取数值作为扰动值.在真实数据和合成数据中的均值估计实验结果表明该机制极大地提高了准确性.除此之外，将分类变换扰动机制用于构建满足本地差分隐私的小批量梯度下降算法，并完成线性回归学习任务，实验结果证明该方法同样优于其他已有机制，可得到更小的均方误差.
来源：2022年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。