核子空间投影和广义特征值分解的云数据隐私保护 |
| |
引用本文: | 江芝蒙,侯翔,李杰.核子空间投影和广义特征值分解的云数据隐私保护[J].计算机应用与软件,2019,36(4). |
| |
作者姓名: | 江芝蒙 侯翔 李杰 |
| |
作者单位: | 四川文理学院信息化建设与服务中心 四川达州635000;四川文理学院智能制造学院 四川达州635000;四川文理学院科技处 四川达州635000 |
| |
基金项目: | 四川省教育厅自然科学项目;四川省教育厅自然科学项目 |
| |
摘 要: | 云数据及大量网络数据需要在保护用户隐私的前提下进行统计和分析,对此提出核子空间投影和广义特征值分解的云数据隐私保护算法。将云数据进行数学化建模,该算法将隐私保护作为数据转换问题进行处理,转换问题分为隐私不敏感任务和隐私敏感任务两类。该算法形成类间散布矩阵,寻找子空间维度来解决特征值分解问题,并对广义特征值排序,得到广义特征向量对应的最大广义特征值;对云数据进行转换,实现数据隐私保护。实验结果表明,该方法能够实现用户隐私保护,并且核广义特征值分解算法优于子空间隐私保护算法,且两种隐私保护算法都优于其他隐私保护方法。
|
关 键 词: | 云数据 隐私保护 子空间投影 核广义特征值分解 数据转换 |
CLOUD DATA PRIVACY PROTECTION BASED ON KERNEL SUBSPACE PROJECTION AND GENERALIZED EIGENVALUE DECOMPOSITION |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|