异构分布的多元线性回归隐私保护模型

被引:11
作者
方炜炜 [1 ]
任江 [2 ]
夏红科 [1 ]
机构
[1] 北京信息科技大学计算中心
[2] 中国航空规划建设发展有限公司
基金
国家自然科学基金重点项目;
关键词
安全多方计算; 数据挖掘; 线性回归; 隐私保护; 同态加密; 密码学;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
隐私保护是数据挖掘领域中一个极其重要而富有挑战性的课题,以实现隐私数据的保护和准确知识的挖掘两者兼得为其最终目标.统计回归是数据挖掘的常用工具之一,而数据分布式存储情况下统计分析的研究工作甚少.由于机密性或其他原因,数据拥有者往往不情愿与其他合作方分享原始数据,去又希望与其他合作方共同协作执行统计分析.关注于如何解决既获取准确统计分析结果又保护原始数据隐私的平衡问题,基于环同态和离散对数计算困难的思想,建立了隐私保护回归模型,该模型通过同态公钥加密协议的同态性质从而获取准确的统计分析结果.经理论分析和实验证明该协议模型在语义上是安全的和有效的.
引用
收藏
页码:1685 / 1692
页数:8
相关论文
共 8 条
[1]   统计分布的多方保密计算 [J].
王克 ;
戴一奇 .
计算机研究与发展 , 2010, (02) :201-206
[2]   朴素贝叶斯分类中的隐私保护方法研究 [J].
张鹏 ;
唐世渭 .
计算机学报, 2007, (08) :1267-1276
[3]   一种有效的隐私保护关联规则挖掘方法 [J].
张鹏 ;
童云海 ;
唐世渭 ;
杨冬青 ;
马秀莉 .
软件学报, 2006, (08) :1764-1774
[4]   基于隐私保护的分类挖掘 [J].
葛伟平 ;
汪卫 ;
周皓峰 ;
施伯乐 .
计算机研究与发展, 2006, (01) :39-45
[5]  
计量经济学基础[M]. 南开大学出版社 , 张晓峒, 2005
[6]   Privacy preserving decision tree learning over multiple parties [J].
Emekci, F. ;
Sahin, O. D. ;
Agrawal, D. ;
El Abbadi, A. .
DATA & KNOWLEDGE ENGINEERING, 2007, 63 (02) :348-361
[7]  
Cryptographic techniques for privacy-preserving data mining[J] . Benny Pinkas.ACM SIGKDD Explorations Newsletter . 2002 (2)
[8]   Modeling of strength of high-performance concrete using artificial neural networks [J].
Yeh, IC .
CEMENT AND CONCRETE RESEARCH, 1998, 28 (12) :1797-1808