典型文献
基于差分隐私保护和近邻优化的微博僵尸用户检测
文献摘要：
僵尸用户导致的数据造假现象严重影响了微博的健康发展.针对采用基于密度的DPC算法进行僵尸用户检测时存在泄露正常用户隐私信息,以及在密度分布不均匀的微博数据中检测结果不理想的问题,提出一种基于差分隐私技术和近邻优化的僵尸用户检测方法.该方法将满足差分隐私的Laplace噪声添加至检测过程中,以实现基于隐私保护的僵尸用户检测.并通过引入反向k近邻的概念重新定义样本密度,从而更准确地反映样本点的局部信息,提高在非均匀分布的数据中僵尸用户检测的准确率.实验结果表明,该方法在实现正常用户隐私保护的同时,僵尸用户检测的准确率提高约4百分点.
文献关键词：
僵尸用户检测;隐私泄露;差分隐私保护;近邻优化
中图分类号：
作者姓名：
李明娟;朱焱;李春平
作者机构：
西南交通大学信息科学与技术学院 四川 成都611756;清华大学软件学院 北京100084
文献出处：
引用格式：
[1]李明娟;朱焱;李春平-.基于差分隐私保护和近邻优化的微博僵尸用户检测)[J].计算机应用与软件,2022(05):54-59
A类：
僵尸用户检测
B类：
差分隐私保护,近邻优化,数据造假,基于密度,DPC,隐私信息,密度分布,分布不均匀,微博数据,Laplace,检测过程,重新定义,样本点,局部信息,非均匀分布,用户隐私保护,百分点,隐私泄露
AB值：
0.226499
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
