基于旋转扰动的支持向量机隐私保护算法  

作　　者：刘洪伟[1] 石雅强[1] 叶珊珊[1] 梁周扬[1] 

机构地区：[1]广东工业大学管理学院,广州510520

出　　处：《统计与决策》2012年第19期94-96,共3页Statistics & Decision

基　　金：国家自然科学基金资助项目(70971027)

摘　　要：支持向量机(SVM)是数据挖掘中非常流行的分类算法,得到了广泛的关注。数据泄露问题日渐凸显,数据挖掘中的隐私保护也成为当今研究热点,但是针对SVM隐私保护的研究较少。我们提出了基于旋转扰动的SVM隐私保护算法,该算法引入正交旋转变换方法,具有分类零损失的特性。文章采用传统数据安全评价方法,并利用UCI机器学习中心提供的数据对该算法的隐私性水平进行了分析。理论验证和实验结果表明,我们提出了令人满意的SVM隐私保护算法。

关 键 词：支持向量机 隐私保护 正交变换 旋转扰动 

分 类 号：O23[理学—运筹学与控制论]