差分隐私保护研究综述  

Survey of research on differential privacy

作　　者：李杨[1,2] 温雯[2] 谢光强[1,2] 

机构地区：[1]广东工业大学自动化学院,广州510006 [2]广东工业大学计算机学院,广州510006

出　　处：《计算机应用研究》2012年第9期3201-3205,3211,共6页Application Research of Computers

基　　金：国家自然科学基金资助项目(61074185);广东省中国科学院全面战略合作项目(2010B090301042)

摘　　要：差分隐私保护通过添加噪声使数据失真,从而起到保护隐私的目的,对于一个严格定义下的攻击模型,其具有添加噪声少、隐私泄露风险低的优点。介绍了差分隐私保护的理论基础和最新研究进展,详细阐述了分类、聚类等差分隐私学习方法的最新研究情况,介绍了一个差分隐私保护的应用框架PINQ(privacy integratedqueries),并对未来的研究发展方向进行了展望。Differential privacy approach makes data distortion to preserve privacy by means of adding noise.To a rigorous defined attacking model,differential privacy ensures that adding little amount of noise have a low risk of privacy disclosure.This paper surveyed the definition of differential privacy,showed the newest results in research,introduced algorithms of classify,clustering on differentially private learning,and presented a differential privacy application framework PINQ（privacy integrated queries）.Finally,this paper discussed directions for future research

关 键 词：差分隐私 隐私保护 数据失真 数据挖掘 数据发布 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]