《计算机应用研究》|Application Research of Computers

横向联邦学习中PCA差分隐私数据发布算法

Pca differential privacy data publishing algorithm in horizontal federated learning

免费全文下载 (已被下载 次)  
获取PDF全文
作者 朱骁,杨庚
机构 南京邮电大学 计算机学院;南京邮电大学 江苏省大数据安全与智能处理重点实验室
统计 摘要被查看 次,已被下载
摘要 数据孤岛正阻碍着PCA降维时所必须的大数据的使用,为了让不同组织在保护本地敏感数据和降维后发布的数据的隐私的前提下,联合使用PCA进行降维和数据发布。论文提出横向联邦PCA差分隐私数据发布算法。引入随机种子联合协商方案,在各站点之间以较少通信代价生成相同随机噪声矩阵。提出本地噪声均分方案,将均分噪声加在本地协方差矩阵上。一方面,保护本地数据隐私;另一方面,减少了噪声添加量,并且达到与中心化差分隐私PCA算法相同的噪声水平。理论分析表明,该算法满足差分隐私,保证了本地数据和发布的数据的隐私性,较同类算法噪声添加量降低。实验从隐私性和可用性角度评估该算法,证明该算法与同类算法相比具有更高的可用性。
关键词 横向联邦PCA;差分隐私;本地扰动;数据发布;可用性
基金项目 国家自然科学基金面上项目(61872197,61972209)
本文URL http://www.arocmag.com/article/02-2022-01-026.html
收稿日期
修回日期
页码 -
中图分类号 TP309
文献标志码