Resumen

En la era del big data, se produce constantemente una gran cantidad de datos masivos y de alta dimensionalidad, lo que aumenta la dificultad de analizar y proteger los datos. En este documento, con el fin de realizar la reducción de dimensionalidad y la protección de la privacidad de los datos, se combinan el análisis de componentes principales (PCA) y la privacidad diferencial (DP) para manejar estos datos. Además, se utiliza la máquina de vectores de soporte (SVM) para medir la disponibilidad de los datos procesados en nuestro documento. Específicamente, introdujimos mecanismos de privacidad diferencial en diferentes etapas del algoritmo PCA-SVM y obtuvimos los algoritmos DPPCA-SVM y PCADP-SVM. Ambos algoritmos cumplen con -DP al tiempo que logran una clasificación rápida. Además, evaluamos el rendimiento de los dos algoritmos en cuanto a la expectativa de ruido y la precisión de la clasificación desde la perspectiva de la prueba teórica y la verificación experimental. Para verificar el rendimiento de DPPCA-SVM,

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Datos;privacidad;PCA;SVM;reducción de la dimensionalidad;privacidad diferencial
• Keywords:Data;privacy;PCA;SVM;dimensionality reduction;differential privacy