计算机应用研究

作者：何丽丽,张成林,曹明增,张磊,

单位：佳木斯大学a.信息电子技术学院;b.黑龙江省自主智能与信息处理重点实验室;c.佳木斯市卫星导航技术与装备工程技术重点实验室,黑龙江佳木斯154007；

关键词：高维数据,隐私保护,聚类,随机映射,K-means,

基金：黑龙江省哲学社会科学研究规划资助项目(23GLD033)；黑龙江省自然科学基金联合引导项目(LH2021F054)；黑龙江省省属高等学校基本科研业务费优秀创新团队建设项目(2022-KYYWF-0654)；黑龙江省自主智能与信息处理重点实验室开放课题(ZZXC202302)；佳木斯大学国家基金培育项目(JMSUGPZR2022-014)；黑龙江省高等教育教学改革研究项目(SJGY20210873)；；

针对聚类隐私保护算法中隐私开销随数据维度增加而提升的问题，提出了一种基于随机映射的隐私保护算法（RPPP）。该算法首先利用对称不确定性方法筛选相关特征，并通过独立同分布的高斯序列生成随机矩阵。为增强距离保持特性，随机矩阵经Gram-Schmidt正交化处理确保正交性，随后分解成多个独立子矩阵，对降维特征进行映射，生成特征匹配域和加噪干扰域。为进一步增强隐私保护性能，在干扰域中注入随机噪声。实验分析表明，RPPP在隐私攻击防御方面具有较强能力。通过Cancer和Diabetes数据集实验验证，结果显示RPPP在隐私保护性和聚类效率上均优于传统算法，与UPA、GCCG和AKA相比，聚类效率分别提升约16.34%、23.44%和32.94%。综合来看，RPPP算法在提升隐私保护性的同时显著提高了聚类效率，验证了其有效性。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期