Con el rápido desarrollo de la tecnología de la información, las personas se benefician cada vez más de los grandes datos. Al mismo tiempo, se convierte en una gran preocupación cómo obtener salidas óptimas de la publicación y gestión de intercambio de grandes datos mientras se protege la privacidad. Muchos investigadores buscan realizar protección de privacidad diferencial en conjuntos de datos masivos de alta dimensionalidad utilizando el método de análisis de componentes principales. Sin embargo, estos algoritmos son ineficientes en el procesamiento y no tienen en cuenta las diferentes necesidades de protección de privacidad de cada atributo en conjuntos de datos de alta dimensionalidad. Para abordar el problema anterior, diseñamos un Algoritmo de Publicación de Datos de Privacidad Diferencial de Transformación de Matriz Esparsa de Bloques Divididos (DSMT-DP). En este algoritmo, se asignan diferentes niveles de parámetros de presupuesto de privacidad a diferentes atributos según el nivel de protección de privacidad requerido de cada atributo, teniendo en cuenta las necesidades de protección de privacidad de diferentes niveles de atributos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Control de seguimiento de manipulador automático basado en la predicción de la trayectoria del objetivo en movimiento.
Artículo:
Métodos de predicción de defectos de software de aprendizaje profundo para entornos en la nube investigación
Artículo:
Lateralización automática de la epilepsia del lóbulo temporal basada en características de la red MEG utilizando máquinas de vectores de soporte.
Artículo:
Una introducción a la ciencia de sistemas complejos y sus aplicaciones.
Artículo:
Predicción del canal de desvanecimiento Rayleigh mediante aprendizaje profundo