一种分布式隐私保护的密度聚类算法  

Density-based privacy preserving distributed clustering algorithm

作　　者：吉根林[1] 姚瑶[1] 

机构地区：[1]南京师范大学数学与计算机科学学院,江苏南京210097

出　　处：《智能系统学报》2009年第2期137-141,共5页CAAI Transactions on Intelligent Systems

基　　金：国家自然科学基金资助项目(40771163)

摘　　要：对基于密度的分布式聚类算法DBDC进行改进,提出了一种基于密度的分布式隐私保护聚类算法DBPPDC.在由局部模型确定全局模型时,通过相关安全协议有效地保护了局部模型,同时不影响全局聚类.在利用全局模型更新局部模型时,通过改进算法、应用安全协议保护隐私信息,最终使各站点分布的数据能够安全聚类.理论分析和实验结果表明,DBPPDC算法是有效的.A density-based privacy preserving distributed clustering algorithm （DBPPDC） was proposed following the improvements to the density-based distributed clustering DBDC algorithm. When a global model is determined from a local model, （DBPPDC） effectively protects the local model without obstructing global clustering. On the contrary, when the local model is updated with the global model, DBPPDC makes all the data in local sites cluster safely by improving the previous algorithm and appling a secure protocol. Experimental results showed that DBPP-DC is effective and efficient.

关 键 词：隐私保护 分布式聚类 DBDC DBPPDC 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论]