您当前的位置:
首页 >
文章列表页 >
k-prototype聚类算法和相对熵下敏感数据重发布隐私安全保护
k-prototype聚类算法和相对熵下敏感数据重发布隐私安全保护
k⁃prototype clustering algorithm and privacy protection for sensitive data republishing under relative entropy
- “在数据隐私保护领域,研究者提出了基于k-prototype聚类算法和相对熵的敏感属性数据重发布隐私保护方法,有效降低隐私数据的隐匿率、信息损失度及信息披露度,提升敏感属性数据重发布隐私保护程度,确保数据的安全性。”
- 吉林大学学报(工学版) 2025年55卷第3期 页码:1009-1014
DOI: 10.13229/j.cnki.jdxbgxb.20240077
移动端阅览
AI导读
HTML全文
图( 3 ) 表( 1 )
参考文献
出版信息
数据统计
46
浏览量
189
下载量
0
CSCD
文章被引用时,请邮件提醒。
提交
工具集
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
相关文章
面向车联网隐私保护的深度确定性策略梯度缓存方法
面向SaaS隐私保护的自适应访问控制方法
低能耗支持完整性验证的数据融合隐私保护方法
基于谱聚类矩阵的改进DNALA算法
基于机电惯容的车辆乘坐舒适性与侧向稳定性协同提升
相关作者
申自浩
高永生
王辉
刘沛骞
刘琨
黄志球
曹彦
范大娟
相关机构
河南理工大学 计算机科学与技术学院
河南理工大学 软件学院
南京工程学院 计算机工程学院
南京航空航天大学 计算机科学与技术学院
沈阳化工大学 计算机科学与技术学院

