典型文献
基于本地化差分隐私的空间数据近似k-近邻查询
文献摘要：
针对现有本地编码机制与本地扰动机制在收集空间数据时不具有保距性的问题,提出了基于局部敏感 Hash 结构(locality-sensitive hashing,LSH)的近似k-近邻(k nearest neighbor,kNN)查询算法PELSH与PULSH.这2种算法利用具有多Hash函数的多Hash表对所有用户位置数据进行索引,结合多Hash表结构响应近似kNN查询.每个用户结合收集者所共享的多Hash表副本,将自身位置数据以汉明空间嵌入方式编码成0/1串.借助LSH结构对0/1串进行Hash压缩,并利用GRR机制与按位扰动机制对压缩后的0/1串进行本地处理.收集者利用每个用户的报告值重构多Hash表索引结构,遍历多Hash表响应空间近似kNN查询.为了有效地利用LSH索引结构的特点,PELSH和PULSH算法结合隐私预算分割与用户分组策略来重构多Hash表结构,基于这2种策略设计了 4种本地扰动算法PELSHB,PELSHG,PULSHB和PULSHG.PELSH和PULSH算法与现有的近似kNN查询算法在真实的大规模空间数据集上的实验结果表明,所设计的近似空间kNN查询效果优于同类算法.
文献关键词：
本地化差分隐私;k-近邻查询;局部敏感Hash;隐私预算分割;用户分组
中图分类号：
作者姓名：
张啸剑;徐雅鑫;孟小峰
作者机构：
河南财经政法大学计算机与信息工程学院 郑州 450002;中国人民大学信息学院 北京 100872
文献出处：
引用格式：
[1]张啸剑;徐雅鑫;孟小峰-.基于本地化差分隐私的空间数据近似k-近邻查询)[J].计算机研究与发展,2022(07):1610-1624
A类：
PELSH,PULSH,隐私预算分割,PELSHB,PELSHG,PULSHB,PULSHG
B类：
本地化差分隐私,近邻,局部敏感,Hash,locality,sensitive,hashing,nearest,neighbor,kNN,查询算法,法利,用户位置,位置数据,结构响应,收集者,副本,汉明空间,空间嵌入,嵌入方式,GRR,表索引,索引结构,遍历,用户分组,分组策略,策略设计,模空间,空间数据集
AB值：
0.280448
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。
