孙福林
- 作品数：2 被引量：7H指数：1
- 供职机构：东南大学计算机科学与工程学院更多>>
- 发文基金：国家自然科学基金安徽省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种面向聚类的对数螺线数据扰动方法被引量：7
- 2012年
- 面向挖掘应用的隐私保护数据发布要求对数据集进行隐藏的同时维持数据的挖掘可用性,数据扰动是解决该问题的有效方法.现有的面向聚类的数据扰动方法难以兼顾原始数据个体隐私和维持数据聚类可用性,对此提出了一种基于对数螺线的隐私保护数据干扰方法.通过构建面向聚类的隐私保护数据扰动模型,利用对数螺线对原始数据进行扰动隐藏,维持原始数据的k邻域关系稳定,实现数据集聚类可用性的有效维护;进一步提出多重对数螺线扰动的策略,提高隐私保护强度.理论分析和实验结果表明:文中方法能够有效地避免数据隐私泄露,同时维持数据的聚类可用性.
- 黄茂峰倪巍伟王佳俊孙福林崇志宏
- 关键词：隐私保护数据挖掘聚类分析
- 防止多社区结构化攻击的加权社会网络隐匿方法
- 2016年
- 传统面向加权社会网络的隐私保护技术多数针对用户个体隐私保护,而对基于权重背景知识引发集群隐私泄露缺少关注。将权重属性信息作为额外背景知识,提出一种基于数据扰动的(kα,lβ)-secure社会网络隐私保护模型,有效防止个体用户和社区结构敏感标识的逆推攻击;并基于此模型设计实现了一种图匿名化方法,能够以尽可能小的信息损失构建符合(kα,lβ)-secure模型的匿名图。理论分析和实验结果表明,本文方法可以有效避免攻击者对用户个体隐私和社区集群隐私所造成的逆推攻击,同时最大限度保持权重信息的可用性。
- 王胜和孙福林
- 关键词：隐私保护
