针对集合值数据频繁项集挖掘的PemSet-FIM双阶段自适应算法

焦敬哲 ,  李晓会 ,  张兴 ,  兰洁

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (31) :13563-13575

PDF (9158KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (31) :13563-13575 DOI: 10.12404/j.issn.1671-1815.2508292
论文:自动化技术、计算机技术

针对集合值数据频繁项集挖掘的PemSet-FIM双阶段自适应算法

作者信息 +

PemSet-FIM: Two-stage Adaptive Algorithm for Frequent Itemset Mining over Set-valued Data

Author information +
文章历史 +

摘要

为解决现有本地差分隐私频繁项集挖掘方法在高维稀疏数据上候选质量低、噪声累积严重及频率估计精度不足的问题,提出了一种基于本地差分隐私的双阶段自适应扰动频繁项集挖掘算法,并通过域自适应扰动方法研究了频繁项集在高维稀疏环境下的高精度挖掘机制。结果表明:在候选生成阶段动态选择扰动机制能够有效降低初始候选噪声并提升前缀筛选质量;在频率估计阶段依据子域规模自适应选择机制可以显著抑制局部方差并优化整体频率重建;在4个真实数据集上的实验显示,该算法在频率估计精度、频繁项发现能力及运行效率方面均优于现有方法,并在高稀疏度数据集上将精确率与召回率分别提升最高达15%。可见,所提出的双阶段自适应扰动算法能够在保证本地差分隐私的前提下显著提升高维稀疏数据上的频繁项集挖掘性能。

Abstract

To address the problems of low-quality candidate sets, severe noise accumulation and insufficient frequency estimation accuracy of existing frequent itemset mining methods under local differential privacy for high-dimensional sparse data, a two-stage adaptive perturbation algorithm was proposed. With the domain-adaptive perturbation method, the high-precision mining mechanism of frequent itemsets in high-dimensional sparse scenarios was investigated. The experimental results show that dynamically selecting perturbation mechanisms in the candidate generation stage can effectively reduce the noise of initial candidates and improve the quality of prefix filtering; adaptively selecting mechanisms according to subdomain size in the frequency estimation stage can significantly suppress local variance and optimize global frequency reconstruction. Experiments on four real-world datasets demonstrate that the proposed algorithm outperforms existing methods in frequency estimation accuracy, frequent item discovery capability and operational efficiency. On highly sparse datasets, the Precision and Recall are each improved by up to 15%. It can be concluded that the proposed two-stage adaptive perturbation algorithm can significantly boost the frequent itemset mining performance on high-dimensional sparse datasets while guaranteeing local differential privacy.

Graphical abstract

关键词

本地差分隐私 / 自适应子域扰动 / 频繁项集挖掘 / 高维数据 / 随机响应

Key words

local differential privacy / adaptive subdomain perturbation / frequent itemset mining / high-dimensional data / randomized response

引用本文

引用格式 ▾
焦敬哲, 李晓会, 张兴, 兰洁. 针对集合值数据频繁项集挖掘的PemSet-FIM双阶段自适应算法[J]. 科学技术与工程, 2026, 26(31): 13563-13575 DOI:10.12404/j.issn.1671-1815.2508292
JIAO Jing-zhe, LI Xiao-hui, ZHANG Xing, LAN Jie. PemSet-FIM: Two-stage Adaptive Algorithm for Frequent Itemset Mining over Set-valued Data[J]. Science Technology and Engineering, 2026, 26(31): 13563-13575 DOI:10.12404/j.issn.1671-1815.2508292

登录浏览全文

4963

注册一个新账户 忘记密码

大数据时代物联网与移动智能终端等技术的飞速发展,极大地推动了服务提供商对各类智能应用的开发,这些应用为人们的日常生活带来了极大的便利。用户在使用智能应用的过程中会产生海量历史的数据,通常被视为高维集合值数据[1]。与项目分布相对密集的集中式传统事务型数据相比,此类集合值数据在本质上表现为高基数与极度的个体稀疏性,即全局候选域空间极其庞大,而单个用户本地实际持有的项数极少。不仅如此,由于数据呈分布式留存,在面临隐私保护需求时,用户的整个集合必须作为不可分割的实体在客户端进行本地整体扰动。这使得传统的挖掘范式难以为继。从高维集合值数据中挖掘频繁项,既能缓解信息过载问题[2],又能分析用户偏好,从而帮助服务提供商优化服务质量。因此,这一领域引起了学术界和工业界的广泛关注[3-5]。然而,挖掘任务需收集大量用户数据,这存在严重的隐私泄露风险[6-8]。差分隐私[9]是一种主要的隐私保护方法,它通过在数据查询结果中加入噪声,实现对每个用户数据的隐私保护[10-12]。然而,传统差分隐私需收集用户真实数据,且假设服务器可信,因此无法防范不可信服务器引发的用户隐私泄露风险[13]。为解决这一问题,研究人员提出了本地差分隐私[14-16]。本地差分隐私在客户端对每个用户的数据进行扰动,使其满足差分隐私定义,随后在服务器端收集用户的扰动数据,并从这些数据中学习全局数据的统计特征。由于本地差分隐私能保证不可信服务器无法获取用户真实数据,同时服务器又能从学习到的统计特征中为用户提供服务效用,因此它在各类隐私保护数据收集场景中得到了广泛应用。
近年来,在本地差分隐私保护下从高维集合值数据中挖掘频繁项引起了研究人员的极大关注。Qin等[17]提出了LDPMiner协议,LDPMiner通过采样与填充,从每个用户的集合值数据中抽取一个数据项并进行扰动。在此基础上,估计所有项的频率,提取候选频繁项集,并挖掘频繁项集。由于LDPMiner仅发布一个扰动数据,解决了传统本地差分隐私机制因发布与项维度规模相当的扰动数据而导致的通信成本过高问题。然而,LDPMiner需要分配隐私预算,且需将其分别用于候选集提取和频繁项挖掘,因此其准确性面临严峻挑战。为解决这一问题,Wang等[18]提出了SVIM(set-value item mining)协议,SVIM对用户进行分组,分别用于候选集提取、频繁项挖掘的参数估计。因此,每个用户只需执行一次数据挖掘任务,无需进行隐私预算分配。与LDPMiner一样,SVIM通过随机采样降低扰动数据发布的通信成本。但由于用户的历史数据通常包含多个项,SVIM的采样概率通常较低。基于较低的采样概率,SVIM难以准确估计项的频率,因此其频繁项挖掘的准确性面临严峻挑战。FIML(frequent itemset mining with local differential privacy)[19]沿用了SVIM的用户分组策略来提取候选集,然后询问每个用户的历史数据中是否包含候选集中的项,并对该结果进行扰动。FIML采用传统的本地差分隐私技术对候选集进行扰动。然而,已有研究结果表明,随着数据维度的增加,现有本地差分隐私协议的数据估计准确性会显著下降。因此,FIML无法保证从高维集合值数据中挖掘频繁项的准确性。Huang等[20]通过高效的联合分布估计方法,为频繁项与关联规则挖掘提供更准确的统计基础,但仅限于两个属性间的联合分布;Dong等[21]提出的LDP-RM(local differential privacy relation mining)协议首次实现了本地差分隐私保护下的关联规则挖掘,但在超长域上计算开销太大。王庆国等[22]设计了基于关系强度的车联网位置隐私保护机制,但其模型主要依赖于具有特定拓扑关系的连续轨迹数据,缺乏对底层离散项集组合的有效规约手段。王圣杰等[23]提出了基于密度权重的隐私聚类与推荐算法,但其基础扰动机制未能彻底解耦候选集规模与扰动强度的绑定关系。在面对高维超长域的集合值数据时,存在数据维度对噪声方差影响过大的缺陷,注入的巨量隐私噪声极易完全淹没真实的频繁项。在挖掘架构方面,Chen等[24]提出了保障差分隐私的双方安全频繁项集挖掘框架,进一步提升了挖掘精度,然而该方案依赖于多方交互通信与中心化信任假设,无法直接应对本地差分隐私架构下的去中心化与通信开销瓶颈。上述分析表明在本地差分隐私保护下从高维集合值数据中挖掘频繁项是一个复杂问题。当前存在以下3个问题:①候选集空间过大导致效率低;②数据维度对噪声方差影响过大;③算法计算开销高,执行效率低。
为解决上述问题,提出一种基于本地差分隐私的双阶段自适应频繁项集挖掘算法。针对计算开销与效率问题,设计一种双阶段挖掘框架,将挖掘过程解耦为候选集生成与频率估计阶段,并在频率估计阶段引入子域划分与并行化解码机制。针对候选集过大和噪声方差失控的问题,基于 PemSet 前缀扩展,构建由域规模驱动的常数级复杂度自适应扰动切换策略,使系统能够根据局部候选域大小动态匹配最优扰动机制。通过上述机制设计打破单一扰动方式的局限性,在快速缩小候选集空间的同时,有效压降全局噪声方差;最终旨在缓解海量稠密数据带来的计算问题,并在高维稀疏等复杂数据分布场景下,实现隐私保护强度与挖掘效用的更优平衡。

1 相关工作

1.1 本地差分隐私

定义1 ε-本地差分隐私[25]。假设存在一个随机算法M,当且仅当两个不同输入x, x'(x, x'∈Dom),得到的结果y(y∈Ran)满足式(1)时,则M满足ε-本地差分隐私。

$\frac{{\mathit{P}}_{\mathrm{r}}\left[\mathit{M}\right(\mathit{x})=\mathit{y}]}{{\mathit{P}}_{\mathrm{r}}\left[\mathit{M}\right(\mathit{x}\mathit{\text{'}})=\mathit{y}]}$≤eε

式(1)中:Dom(M)为用户所有可能的空间数据;Ran(M)为所有可能的输出;Pr[]表示事件发生的概率;ε为隐私预算,ε值越小,算法的隐私保护程度越高。

定理1 序列组合[25]若给定数据集D和随机算法{M1,M2,…,Mj},如果算法M满足ε-本地差分隐私,则数据集D上的序列组合{M1,M2,…,Mj}满足ε-本地差分隐私。

定理2 并行组合[25]设数据集D上几个独立不相交的子集{D1,D2,…,Dj},有随机算法{M1,M2,…,Mj}满足子集Di上的ε-本地差分隐私。则{M1,M2,…,Mj}在数据集D上提供ε-本地差分隐私。

1.2 二元随机响应

二元随机响应(binary randomized response,BRR)[26]是对传统随机响应机制的一种改进,专为二元数据设计。其核心思想是:用户以一定概率保持原始比特值,以另一概率反转,从而实现隐私保护。

设用户真实比特值为b∈{0,1},定义扰动概率为Pr[b'=b]=$\frac{{\mathrm{e}}^{\mathit{\epsilon }}}{{\mathrm{e}}^{\mathit{\epsilon }}+1}$,反转概率为Pr[b'≠b]=$\frac{1}{{\mathrm{e}}^{\mathit{\epsilon }}+1}$,其中,ε为隐私预算参数,它通过影响扰动概率来控制扰动强度。收集端通过聚合所有扰动后的比特值b'来估计总体比例$\hat{\mathrm{p}}$。

BRR的优势在于对小域、二元或极少类别场景具有极低方差。然而,当域规模扩大到多类别或多维编码时,BRR需要对每个元素独立扰动,使噪声线性累积,因此不适合用于高维或大规模域。本文研究中,BRR主要用于候选生成阶段的中小规模域,用于提升扩展前缀的识别精度。

1.3 分段直方图机制

分段直方图机制(segmented histogram mechanism,S-Hist)[27]是一种基于本地差分隐私的频率估计方法。其基本思想是:将数据域划分为若干区间,并在各分段上独立应用随机响应扰动,从而兼顾隐私与精度。

设数据域被划分为m个区间,每个用户所属区间的真实编码向量为b=[0,…,1,…,0](向量中仅有一个元素为1,其余元素均为0),长度为m。用户对该向量进行扰动,则有

Pr[b'i=1]=$\left\{\begin{array}{ll}\mathit{p}=\frac{{\mathrm{e}}^{\mathit{\epsilon }/2}}{{\mathrm{e}}^{\mathit{\epsilon }/2}+1},& {\mathit{b}}_{\mathit{i}}=1\\ \mathit{q}=\frac{1}{{\mathrm{e}}^{\mathit{\epsilon }/2}+1},& {\mathit{b}}_{\mathit{i}}=0\end{array}\right.$

服务器端聚合所有扰动后的真实编码向量b',并计算每个区间的频率估计值:${\hat{\mathrm{f}}}_{\mathrm{i}}$=$\frac{\stackrel{-}{\mathit{b}}\mathit{\text{'}}{\mathrm{ }}_{\mathit{i}}-\mathit{q}}{\mathit{p}-\mathit{q}}$。相比BRR,S-Hist更适合中等规模、多维子域,能够有效抑制频率稀释并保持良好恢复能力。因此,在频率估计阶段用S-Hist替代BRR,以提升整体频率估计的稳定性。

1.4 广义随机响应

广义随机响应(generalized randomized response,GRR)[27]是随机响应机制的多值扩展形式,适用于多类别属性的本地差分隐私保护。

设用户的真实取值为 v∈[d],则定义GRR的扰动概率为Pr[y=v]=$\frac{{\mathrm{e}}^{\mathit{\epsilon }}}{{\mathrm{e}}^{\mathit{\epsilon }}+\mathit{d}-1}$,反转概率为Pr[y≠v]=$\frac{1}{{\mathrm{e}}^{\mathit{\epsilon }}+\mathit{d}-1}$。

相比BRR,GRR能适应更多类别,因此在极小域或单点编码之外的多数情形下都表现稳健。本研究中,GRR在两阶段均可使用,适用于D≤30的小型域。

1.5 最优本地哈希

最优本地哈希(optimized local hashing,OLH)[28]是一种典型的频率估计算法,其首先定义一个公共随机哈希函数h:[d]→[g],其中g≪d。每个用户将其真实取值v哈希为x = h(v),并对哈希结果进行扰动,生成扰动后的值y。扰动规则基于广义随机响应思想,其扰动概率定义为Pr[y=x]=$\frac{{\mathrm{e}}^{\mathit{\epsilon }}}{{\mathrm{e}}^{\mathit{\epsilon }}+\mathit{g}-1}$,反转概率定义为Pr[y≠x]=$\frac{1}{{\mathrm{e}}^{\mathit{\epsilon }}+\mathit{g}-1}$。服务器端在聚合阶段,根据已知的哈希函数h和扰动结果y,对各候选项的频率进行无偏估计。OLH的解码方差与域大小近乎无关,适用于高维、大量候选项、多类别离散域场景。所以OLH被用于处理候选生成与子域频率估计中的大域,显著降低了噪声并保持通信效率。

1.6 PemSet前缀扩展机制

在 PemSet[29]框架中,用户被随机分成g个组,每个用户集合中的值会被编码成长度为log2n的二进制向量。为保护集值数据的隐私,第i组的用户会使用一种本地差分隐私机制来对二进制向量的前si位进行扰动,然后将经过扰动的前缀报告给数据收集者。其中,si的计算公式为

$s_{i}=\left\lceil\log _{2} k\right\rceil+\left\lceil i \frac{\left\lceil\log _{2} d\right\rceil-\left\lceil\log _{2} k\right\rceil}{g}\right\rceil$

式(3)中:$\lceil\rceil$表示向上取整;k为前缀的个数。

2 PemSet-FIM算法

2.1 设计思想

提出一种基于本地差分隐私的双阶段自适应频繁项挖掘算法PemSet-FIM(frequent item mining)。算法整体流程如图1所示,主要包括候选生成阶段与候选频率估计阶段。

首先,在候选生成阶段中,PemSet-FIM采用分组迭代机制对用户集合进行划分,使其满足ε-本地差分隐私的并行组合特性。聚合器将用户划分为若干子组,并在每一轮迭代中基于前一轮筛选得到的候选前缀集合进行扩展,形成新的前缀候选域。用户在本地从自身集合中提取与候选域匹配的前缀项,并依据候选域大小自适应选择最优的扰动机制进行本地扰动,再将扰动结果上传至聚合器。聚合器利用对应的解码方法恢复各前缀项的频率估计,并筛选出前Top-k高频前缀作为下一轮输入。通过多轮迭代,算法逐步收敛至稳定候选集,有效缩小了频繁项挖掘的搜索空间。

其次,在候选频率估计阶段中,聚合器将最终候选集划分为m个子域,控制解码误差并降低高维度数据带来的估计偏差。每个用户仅需对自身集合与各子域的交集结果进行编码,并根据子域大小自适应选择扰动机制,将隐私预算ε2/m进行本地扰动后一次性上传。聚合器对所有用户上传结果进行并行解码,恢复各子域的局部频率分布,并将其合并形成全局频率估计,从而得到最终的频繁项集输出。

2.2 算法实现

2.2.1 隐私预算分配策略

PemSet-FIM将总隐私预算ε划分为ε1和ε2。为确定最优分配比例,在4个数据集上进行全面消融实验,并以Kosarak数据集为例绘制了均方根误差(root mean square error,RMSE)与召回率随分配比例的变化曲线,如图2所示。实验表明,当ε1∶ ε2= 4∶6时,综合精度指标达到最优,该比例在其他数据集与隐私预算下同样表现稳健。因此,本文中所有实验均采用ε1 = 0.4ε,ε2 = 0.6ε的分配策略。

2.2.2 自适应扰动机制的动态选择

在PemSet-FIM算法中,为实现局部估计方差的极小化,建立了一套严密的自适应扰动机制。在此过程中,当前待处理局部候选域的基数规模被严格定义为D,即第一阶段扩展域基数|Bi|,或第二阶段划分子域基数|Sj|。该规模参数D能够隐式且精确地反映当前处理层级下数据项的局部稀疏性与频率偏度。为此,系统定义如下分段自适应扰动函数Madapt(D),根据D的实时标量数值动态输出最优的本地差分隐私机制,即

Madapt(D)=$\left\{\begin{array}{ll}\mathrm{G}\mathrm{R}\mathrm{R},& 0<\mathit{D}\le 30\\ \mathrm{B}\mathrm{R}\mathrm{R}\mathrm{ }/\mathrm{ }\mathrm{S}-\mathrm{H}\mathrm{i}\mathrm{s}\mathrm{t},& 30<\mathit{D}\le 200\\ \mathrm{O}\mathrm{L}\mathrm{H},& \mathit{D}>200\end{array}\right.$

设总用户数为N,给定隐私预算ε,当局部候选域规模为D时,根据本地差分隐私无偏估计理论,三种机制对于单一数据项频率的理论估计方差分别为

VarGRR(D)=$\frac{\mathit{D}-2+{\mathrm{e}}^{\mathit{\epsilon }}}{\mathit{N}({\mathrm{e}}^{\mathit{\epsilon }}{-1)}^{2}}$
VarBRR(D)=$\frac{\mathit{D}{\mathrm{e}}^{\mathit{\epsilon }/\mathit{D}}}{\mathit{N}({\mathrm{e}}^{\mathit{\epsilon }/\mathit{D}}{-1)}^{2}}$
VarS-Hist(D)=$\frac{\mathit{m}\left(\mathit{D}\right){\mathrm{e}}^{\mathit{\epsilon }/\mathit{m}\left(\mathit{D}\right)}}{\mathit{N}[{\mathrm{e}}^{\mathit{\epsilon }/\mathit{m}\left(\mathit{D}\right)}{-1]}^{2}}$
VarOLH(D)=$\frac{4{\mathrm{e}}^{\mathit{\epsilon }}}{\mathit{N}({\mathrm{e}}^{\mathit{\epsilon }}{-1)}^{2}}$

基于上述各自独立的方差模型,机制切换的临界阈值推导逻辑如下:

(1)小域向中等域切换的临界阈值界定。当候选域规模D较小时,GRR机制因无哈希碰撞带来的假阳性而表现最优。为确定其方差优势的理论上限,令GRR与大域机制OLH的理论方差相等。通过联立VarGRR(D) = VarOLH (D),并消去分母中的常数项与用户数N后,可构建临界方程:$\frac{\mathit{D}-2+{\mathrm{e}}^{\mathit{\epsilon }}}{({\mathrm{e}}^{\mathit{\epsilon }}{-1)}^{2}}$=$\frac{4{\mathrm{e}}^{\mathit{\epsilon }}}{({\mathrm{e}}^{\mathit{\epsilon }}{-1)}^{2}}$。求解该方程,可推导出候选域规模的精确闭式解表达式为D*=3eε+2。在本地差分隐私典型应用场景中,隐私预算常取ε∈[1,3]。代入其中计算可知,交点D*的理论取值区间严格落于[10,62]内。为精确定位该理论区间内的全局最优切换点,在Kosarak数据集上开展了消融实验,如图3(a)所示。实验结果表明,在兼顾GRR零哈希冲突特性与高维数据稀疏性的前提下,选取理论区间内极小方差期望的稳健下界D=30作为小域切换阈值,实现频率估计精度与算法鲁棒性的最优平衡。

(2)中等域向大域切换的临界阈值界定。

针对中等规模域,为规避单阶段全域扰动的高昂系统开销,在阶段一与阶段二分别引入BRR与S-Hist作为过渡机制。寻找中域向大域切换的最优节点,需分别联立过渡机制与OLH的方差等式。

在第一阶段中,令BRR与OLH的理论方差相等,通过联立VarBRR(D) = VarOLH(D),可构建如下临界条件方程:$\frac{\mathit{D}{\mathrm{e}}^{\mathit{\epsilon }/\mathit{D}}}{({\mathrm{e}}^{\mathit{\epsilon }/\mathit{D}}{-1)}^{2}}$=$\frac{4{\mathrm{e}}^{\mathit{\epsilon }}}{({\mathrm{e}}^{\mathit{\epsilon }}{-1)}^{2}}$。同理,在第二阶段中,令S-Hist与OLH的理论方差相等,通过联立VarS-Hist(D) = VarOLH(D),则临界方程为:$\frac{\mathit{m}\left(\mathit{D}\right){\mathrm{e}}^{\mathit{\epsilon }/\mathit{m}\left(\mathit{D}\right)}}{[{\mathrm{e}}^{\mathit{\epsilon }/\mathit{m}\left(\mathit{D}\right)}{-1]}^{2}}$=$\frac{4{\mathrm{e}}^{\mathit{\epsilon }}}{({\mathrm{e}}^{\mathit{\epsilon }}{-1)}^{2}}$。由于上述两式中未知数D同时存在于代数乘积项与自然对数底e的指数分母中,故二者均为典型的超越方程。通过泰勒展开忽略高阶无穷小并进行数值逼近,在给定ε∈[1,3]及常规系统参数的约束下,上述方程的数值解均稳定收敛于D≈200的邻域内。进一步针对OLH切换阈值开展的消融实验证实,如图3(b)所示,取D=200作为中域向大域机制切换的触发点,能够有效阻断噪声方差的非线性扩张。

综上,尽管机制切换的精确理论临界点在数学本质上是关于隐私预算的连续函数,但在真实高维集合值频繁项集挖掘任务中,数据往往呈现极端的稀疏性与长尾分布特征,极易在稀疏子域中引发机制频繁跳变的边界效应,从而降低频率估计的稳定性。本算法基于理论方差模型界定寻优区间,并结合真实数据消融实验锁定全局最优解,将自适应切换阈值统一固化为D=30和D=200。该设计既严格遵循了方差极小化原则,又在物理层面有效补偿了稀疏分布带来的非预期偏差,保证了算法在部署中的鲁棒性与O(1)常数级切换开销。

2.2.3 面向高维数据的双阶段自适应本地差分隐数据挖掘算法PemSet-FIM

PemSet-FIM算法描述如算法1所示。

算法1展示了PemSet-FIM双阶段自适应算法的整体执行过程。

首先,系统将总隐私预算ε分配给候选生成阶段与频率估计阶段(步骤1),以确保两阶段隐私约束独立且可控。

在阶段一,系统调用自适应候选生成算法(Adaptive-CG),通过多轮前缀扩展和自适应扰动机制获取候选集S(步骤2)。

在阶段二,系统进一步调用自适应子域扰动算法(Adaptive-SCP),对候选集进行频率估计并选取前k个高频项作为最终结果(步骤3、步骤4)。

整个算法通过先收敛再精炼的双阶段策略实现高精度、高效率的本地差分隐私频繁项集挖掘。

在PemSet-FIM算法中,主要参考文献[29],设计Adaptive-CG算法生成候选集。现有研究表明,不同扰动机制在域规模上的敏感性不同:如GRR在小域方差最小,BRR在中等域表现最佳,而OLH在大域具有更高的可扩展性。因此,在候选生成阶段根据候选域大小自适应地选择扰动机制,能够有效降低前缀筛选的噪声传播并提高候选质量。如算法2所示。

算法2展示了自适应候选生成算法的完整流程。该算法在PemSet框架的多轮迭代思想基础上,引入了基于域大小的扰动机制自适应选择策略。算法开始时,将所有用户集合随机划分为g个子组,并初始化前缀集合为空(步骤1、步骤2)。在每一轮迭代中,聚合器根据上一轮的候选集合Ai-1构造新的前缀扩展域Bi,并计算其大小|Bi|(步骤4、步骤5)。随后,系统根据域的规模自动选择最合适的扰动机制:当|Bi|较小时采用GRR,以获得精确估计;当|Bi| 适中时采用BRR;当|Bi|较大时,采用OLH以降低编码与通信开销(步骤6)。

用户根据聚合器广播的前缀域与扰动方式,在本地执行扰动上传(步骤8)。聚合器接收所有扰动数据后,通过解码恢复每个前缀的频率估计,并选取前k个高频前缀作为下一轮输入(步骤10、步骤11)。经过多轮迭代后,算法在域空间上逐步收敛,最终形成稳定的候选集S(步骤13)。该算法实现了“自适应+递进式”候选筛选机制,在保证隐私预算约束的同时显著提升候选生成的准确性与收敛速度。

由于阶段二属于频率估计阶段,BRR的单点扰动方式会导致多维子域上累计噪声过大,从而使频率估计的稳定性下降,而S-Hist属于多元扰动机制,使得在子域增加时仍能保持较低噪声水平,并降低频率稀释效应。所以在阶段二中采用GRR、OLH和S-Hist的组合进行自适应扰动。自适应子域扰动算法如算法3所示。

算法3展示了自适应子域扰动算法的实现过程。算法开始时,聚合器将阶段一生成的候选集S按前缀划分为m个子域,以降低每个扰动单元的复杂度(步骤1)。随后,聚合器将划分方案及扰动模板广播给所有用户(步骤2)。在用户端,每个用户依次对各子域执行交集运算与编码,并根据域大小|Sj|自动选择不同的本地差分隐私扰动方式:当|Sj|较小时使用GRR以获得最优精度;当|Sj|适中时采用S-Hist以平衡开销与精度;当|Sj|较大时使用OLH以减少哈希冲突与通信代价(步骤3~步骤11)。

用户将所有扰动结果一次性上传,聚合器端对各子域并行执行频率解码与融合,最终得到全局频率估计与Top-k频繁项集(步骤12~步骤15)。该算法通过基于域规模的扰动选择机制有效平衡了不同规模子域在扰动精度与通信复杂度上的矛盾,是整个框架提升性能的关键部分。

2.3 隐私定理

定理3 PemSet-FIM算法满足ε-本地差分隐私。

证明:设系统的总隐私预算为ε = ε1 + ε2。其中,ε1为阶段一的隐私预算,ε2为阶段二的隐私预算。

因为本地差分隐私是一种在用户端完成扰动的机制,每个用户在上传数据前均对其原始集合执行本地随机化,因此可以分别证明两个阶段的扰动机制均满足LDP,从而整个算法自然满足ε-LDP。

在阶段一中,每个用户从其本地集合vu中选择一个与前缀域Bi匹配的项x,并根据域大小|Bi|自动选择扰动机制。

根据机制的不同,有以下三种情况:

(1)当使用GRR时,设域大小为d=$\left|{\mathit{B}}_{\mathit{i}}\right|$,根据扰动规则,任意两个不同的输入x、x'的输出分布满足$\frac{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\right|\mathit{x}]}{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\right|\mathit{x}\mathit{\text{'}}]}$≤eε1/g因此GRR满足ε1/g-LDP。

(2)同理,当使用S-Hist时,根据其概率分布可知 $\frac{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\right|\mathit{x}=1]}{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\right|\mathit{x}=0]}$=$\frac{\mathit{p}}{\mathit{q}}$=eε1/g,由此可知,S-Hist机制满足ε1/g-LDP。

(3)当采用OLH时,任意两个输入对应的哈希桶输出概率比亦满足$\frac{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\right|\mathit{x}]}{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\right|\mathit{x}\mathit{\text{'}}]}$≤eε1/g。因此,无论算法在第i轮采用哪种扰动方式,单次交互均满足ε1/g-LDP。由于阶段一共有g轮且每位用户仅参与一次上传,因此阶段一整体满足ε1-LDP。

在阶段二中,聚合器将候选集S划分为m个子域S1,S2,…,Sm。每个用户在本地依次计算交集Iu,j=vu∩Sj,并在每个子域内独立执行扰动机制。根据子域大小|Sj|,用户自动选择不同的LDP机制,每个子域使用的隐私预算为ε2/m。

任意两个输入x、x',在任意子域Sj上的扰动输出y满足:$\frac{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\left|\mathit{x}\right.\right]}{{\mathit{P}}_{\mathrm{r}}\left[\mathit{y}\left|\mathit{x}\mathit{\text{'}}\right.\right]}$≤eε2/m。由于每个子域的扰动过程相互独立,按照差分隐私的并行组合原理,阶段二的整体隐私损失为:ε2=$\sum _{\mathit{j}=1}^{\mathit{m}}\frac{{\mathit{\epsilon }}_{2}}{\mathit{m}}$=ε2。因此,阶段二满足ε2-LDP。

阶段一与阶段二在时间上串行执行,且针对的扰动对象相互独立。根据差分隐私的顺序组合原理,整体隐私损失为两阶段隐私预算之和:εtotal = ε1 + ε2。因此,PemSet-FIM算法框架满足:ε-LDP。

2.4 双阶段自适应切换的理论触发证明

设给定总隐私预算为ε,第一阶段单轮前缀扩展分配的隐私预算为ε1,第二阶段分配的预算为ε2。若算法持续停留在第一阶段进行深层扩展,其累积误差将随前缀树深度的增加而呈指数级膨胀;反之,若过早切入第二阶段,庞大的候选集|S|会导致本地差分隐私扰动机制的局部方差过大。因此,存在一个理论最优的候选集规模临界阈值Γswitch。

令第一阶段继续扩展的预期方差为VarA(|S|),切换至第二阶段进行估计的理论方差为VarB(|S|)。根据本地差分隐私的方差累加特性,基于最优本地哈希机制的第二阶段估计方差可形式化为

VarB(|S|)=$\frac{4{\mathrm{e}}^{{\mathit{\epsilon }}_{2}}}{\mathit{N}({\mathrm{e}}^{{\mathit{\epsilon }}_{2}}{-1)}^{2}}$|S|

根据无偏估计方差极小化条件,当且仅当VarB(|S|)≤VarA(|S|)时,系统触发阶段切换机制。联立两阶段的方差期望函数并消去总体规模参数N,可推导出阶段切换触发点的解析不等式为

|S|≤Γswitch=⌊$\frac{({\mathrm{e}}^{{\mathit{\epsilon }}_{2}}{-1)}^{2}{\mathrm{e}}^{{\mathit{\epsilon }}_{1}}}{4({\mathrm{e}}^{{\mathit{\epsilon }}_{1}}{-1)}^{2}{\mathrm{e}}^{{\mathit{\epsilon }}_{2}}}$Dlocal」

式(10)严格证明了:当候选集规模|S|随第一阶段剪枝递减,且首次满足上述理论上界Γswitch时,算法触发双阶段切换。该触发条件从数学基础上保证了全局频率估计过程的理论误差界最小化。

2.5 算法复杂度定理与理论证明

为从数学上严格证明PemSet-FIM双阶段架构相比传统单阶段LDP算法的理论优越性,本节给出时间与空间复杂度的形式化定理与证明。设高维全局项目域维度为D,总用户数为N。

定理4 在最坏情况下,PemSet-FIM双阶段算法的时间复杂度${\mathit{O}}_{\mathrm{t}\mathrm{w}\mathrm{o}-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{g}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}$与空间复杂度${\mathit{S}}_{\mathrm{t}\mathrm{w}\mathrm{o}-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{g}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}$严格优于单阶段算法。

证明:对于单阶段LDP挖掘算法,由于缺乏候选集生成与剪枝机制,聚合器必须在单次交互中对全域D中的每一个项进行独立频率询问与解码。其最坏时间复杂度为${\mathit{O}}_{\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{g}\mathrm{l}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}$=O(ND),最坏空间复杂度为${\mathit{S}}_{\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{g}\mathrm{l}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}$=O(D)。

对于本文中双阶段架构:第一阶段的最坏时间复杂度为O[g(N+D)];当触发阈值Γswitch后切入第二阶段,仅对存活的规模为|S|的候选集进行解码,其复杂度为O(N|S|)。总体最坏时间复杂度为:${\mathit{O}}_{\mathrm{t}\mathrm{w}\mathrm{o}-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{g}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}$=O(gN+gD+N|S|)由于通过第一阶段的有效剪枝与触发条件限制,必然有g≪N且|S|≪D。因此,在数学极限下成立严格不等式:$\underset{\mathit{D}\to \mathit{\infty }}{\mathrm{l}\mathrm{i}\mathrm{m}}\frac{{\mathit{O}}_{\mathrm{t}\mathrm{w}\mathrm{o}-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{g}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}}{{\mathit{O}}_{\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{g}\mathrm{l}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}}$=$\underset{\mathit{D}\to \mathit{\infty }}{\mathrm{l}\mathrm{i}\mathrm{m}}\frac{\mathit{g}\mathit{N}+\mathit{g}\mathit{D}+\mathit{N}\left|\mathit{S}\right|}{\mathit{N}\mathit{D}}$→0。同理,空间复杂度${\mathit{S}}_{\mathrm{t}\mathrm{w}\mathrm{o}-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{g}\mathrm{e}}^{\mathrm{w}\mathrm{o}\mathrm{r}\mathrm{s}\mathrm{t}}$=O(|S|)严格小于O(D)。定理4得证。

定理5 在平均情况下,面临真实高维稀疏数据分布时,PemSet-FIM的平均时间复杂度可收敛至O(N),实现了渐进复杂度降级。

证明:在平均稀疏情况下,单阶段算法受制于固定全域扫描,其平均复杂度${\mathit{O}}_{\mathrm{s}\mathrm{i}\mathrm{n}\mathrm{g}\mathrm{l}\mathrm{e}}^{\mathrm{a}\mathrm{v}\mathrm{g}}$≡O(ND)无法降低。

在PemSet-FIM的双阶段框架中,第一阶段随着前缀树按层扩展,大量无支持度的冗余分支被迅速修剪。平均意义下,各层有效前缀基数呈指数级衰减,即E[|Bi|]→0。因此,第一阶段的平摊时间近似为O(N)。第二阶段,聚合器利用自适应分段机制,单子域处理开销降至常数级。系统总体平均时间期望为:E[${\mathit{O}}_{\mathrm{t}\mathrm{w}\mathrm{o}-\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{g}\mathrm{e}}^{\mathrm{a}\mathrm{v}\mathrm{g}}$]=O(N)+O$\left(\mathit{N}\frac{\left|\mathit{S}\right|}{\mathit{m}}\right)$≈O(N)相比于O(ND),双阶段架构在平均情况下的时间开销实现了从线性依赖D到独立于D的量级跨越。定理5得证。

定理6 PemSet-FIM算法执行自适应扰动机制选择Madapt(D)所引入的附加时间复杂度为严格的常数级O(1),该过程不会对系统整体计算开销产生任何劣化影响。

证明:若自适应过程直接基于全量数据项的频率偏度或全局稀疏性进行后验统计判定,其时间复杂度将高达O(N log2 N)或至少O(N),这将引发极大的计算瓶颈。

在本文设计的自适应函数Madapt(D)中,自适应参数D被严格定义为当前处理层级下局部候选域的基数标量。在现代计算机数据结构设计中,直接读取已知集合对象的长度基数之时间开销为绝对常数级,即Tlength=O(1)。算法根据D的标量数值进行机制映射,该过程仅需执行至多两次固化阈值的条件分支判定,其执行时间为Tbranch=O(1)。

因此,该自适应决策过程的总附加时间开销为Tadapt=Tlength+Tbranch=O(1)+O(1)=O(1)。相比于处理海量用户数据的总体时间开销O(N),常量级开销O(1)在渐进分析中可被安全忽略。即Ototal=Oalgorithm+O(1)≡Oalgorithm。定理6得证。

3 实验结果与分析

3.1 实验设置

实验在PyCharm2024.1.1开发平台使用python3.7语言编写,硬件环境为Intel(R) Core i7-8565U CPU @1.80 GHz处理器与Windows10操作系统。

实验数据:为全面、严谨地验证PemSet-FIM双阶段自适应算法在不同数据分布下的泛化能力与鲁棒性,引入了经典的FIMI(frequent itemset mining implementations)数据集库,具体数据集如下:①Retail数据集:中等规模稀疏型数据集,是某大型零售商真实交易记录,包含88 162条数据与16 470种商品,用于评估基础商业场景下的挖掘效用;②Kosarak数据集:海量规模稀疏型数据集,来自新闻门户网站点击流日志,高达990 000条记录与41 270项维度,旨在严苛测试算法在海量高维稀疏环境下的自适应降噪与前缀剪枝能力;③Pumsb数据集:中等规模稠密型数据集,是经典FIMI标准数据集,包含73 593条记录,该数据具有极高的平均事务长度与项集交叠率,用于验证算法在中等候选域切换机制下的频率重建精度与局部方差控制能力;④Accidents数据集:海量规模稠密型数据集,包含340 183条交通事故记录,旨在测试海量稠密计算时双阶段架构对时间复杂度的优化极限。数据集核心统计特征如表1所示。

3.2 实验结果

为了全面验证双阶段自适应频繁项集挖掘算法PemSet-FIM的综合性能,构建了多维度的算法评估体系。除选取当前本地差分隐私领域的先进算法SVIM、FIML及LDP-RM作为同类对比基准外,进一步引入了传统频繁项集挖掘领域的高效先进算法作为性能参照标尺。具体引入了基于垂直数据格式的Eclat算法作为无隐私约束条件下的精确挖掘基线,为精确率与召回率指标提供绝对的理想上限参考。

其中均方根误差的公式为

RMSE=$\sqrt{\frac{1}{\left|\mathit{S}\right|}{\sum }_{\mathit{x}\in \mathit{S}}^{}\left[\hat{\mathrm{f}}\right(\mathrm{x})-\mathrm{f}{\left(\mathrm{x}\right)]}^{2}}$

平均绝对误差的公式为

MAE=$\frac{1}{\left|\mathit{S}\right|}{\sum }_{\mathit{x}\in \mathit{S}}^{}\left|\hat{\mathrm{f}}\left(\mathrm{x}\right)-\mathrm{f}\left(\mathrm{x}\right)\right|$

式中:S为阶段一生成的候选项集;f(x)为候选项x的真实出现频率;$\hat{\mathrm{f}}$(x)为通过阶段二估计得到的频率;|S|为候选集的元素总数。

3.2.1 频率估计精度分析

首先评估了不同隐私预算下各算法在频率估计任务中的表现。如图4和图5分别展示了4种数据集上,RMSE与MAE随隐私预算变化的结果。

从中可以看出,随着隐私预算ε的增加,所有算法的RMSE与MAE均呈下降趋势。这是因为隐私预算增大时,扰动强度降低,噪声影响减弱,从而提升了频率估计的精度。

与其他算法相比,PemSet-FIM的RMSE和MAE均明显更低。即便在强隐私约束下,本算法仍保持稳定的估计精度。此优势主要得益于:阶段一中通过判断候选域大小动态选择OLH、BRR或GRR机制,避免在小域下引入过多噪声,同时保证全局隐私预算分配均衡;阶段二中根据子域规模自适应选择GRR、S-Hist或OLH机制进行扰动,使噪声分布更均衡,有效降低了局部方差。

此外,从不同数据集的表现来看,PemSet-FIM在高稀疏度数据上优势更为明显,说明该算法在稀疏频谱下依然能稳定重建频率分布,具备更好的鲁棒性。

3.2.2 频率项发现能力分析

为进一步验证算法在Top-k频繁项集挖掘中的有效性,对比了精确率与召回率两个指标。精确率衡量输出结果中真实频繁项的比例,而召回率则衡量算法捕获所有真实频繁项的能力,两者结合能够综合反映算法在频繁项识别任务中的整体性能。

由图6、图7可见,PemSet-FIM在所有数据集和不同隐私预算下均表现出最高的精确率与召回率。随着ε的增加,各算法的精度指标均有不同程度的提升,但PemSet-FIM的增长最为平稳且整体水平最高。这表明在从强隐私到弱隐私的整个范围内,该算法能够始终保持稳定的频繁项检测能力。

尤其是在高维稀疏数据集中,PemSet-FIM的Recall提升最为明显。这是因为在稀疏场景下,许多频繁项的支持度接近阈值,传统算法容易因噪声干扰导致误判或漏检;而本算法通过分层候选生成与局部扰动控制,使得频繁项的边界更加清晰,能够在复杂分布环境下保持较高的检测率。

以精确挖掘算法Eclat无损结果作为1.0的理想上限进行参照,传统LDP算法在面对Pumsb与Accidents这类稠密且交叠率极高的数据分布时,均出现了因局部方差过大导致的效用断崖式衰减。相比之下,PemSet-FIM凭借自适应降维机制有效抑制了高维假阳性噪声,其精确率与召回率曲线在所有LDP算法中最逼近Eclat的无损上限,量化地证明了本算法在强隐私保护下的效用留存优势。

3.2.3 算法效率分析

如图8所示为不同隐私预算下各算法在Retail、Kosarak、Pumsb与Accidents四种数据集上的运行时间变化情况。

从图8可以看出,PemSet-FIM算法在各数据集上均表现出较为稳定的运行效率。随着隐私预算的增大,其运行时间略有下降但整体变化幅度较小。这是因为隐私预算增大时,扰动强度减弱、解码难度降低,因而计算成本略有减少。相比之下,FIML与SVIM算法的运行时间受隐私预算影响更为明显,在隐私预算较小时,扰动与解码计算量显著增加,导致运行时间急剧上升。

同时,可以观察到,PemSet-FIM在整体运行时间上略低于LDP-RM算法,但相比FIML与SVIM仍保持明显优势。

进一步分析不同数据集的表现可发现,PemSet-FIM在稀疏型数据集上运行速度优势更加明显。原因在于其通过前缀域筛选机制有效减少了候选空间,且在频率估计阶段对子域独立扰动并并行解码,使算法能够充分利用数据分布特性进行优化。

综上所述,PemSet-FIM算法在兼顾精度与隐私保护的同时,仍保持了良好的计算效率。其运行时间低于FIML与SVIM,且与LDP-RM算法相当甚至略优,体现了双阶段自适应扰动算法在计算复杂度控制与时间性能方面的综合优势。

4 结论

针对本地差分隐私下高维集合值数据频繁项集挖掘中存在的候选空间庞大、扰动噪声累积及频率估计精度不足等问题,提出一种基于域自适应扰动的PemSet-FIM双阶段算法,并通过严密的理论推导与多维度对比实验,得到以下结论。

(1)提出的自适应候选生成算法能够在候选生成阶段根据候选域大小动态选择最优扰动机制,该机制有效降低了高维空间带来的初始候选噪声方差累积,显著提升了前缀筛选和高质量候选集的生成效率。

(2)设计的自适应子域扰动算法在频率估计阶段,通过将候选集划分并依据子域规模自适应选择扰动机制,成功抑制了局部方差,平衡了精度与隐私强度,优化了整体的频率重建质量。

(3)相较于其他先进方法,提出的自适应差分隐私机制可以在消耗较少的隐私预算的情况下,取得不错的准确率。

(4)在Retail、Kosarak、Pumsb和Accidents四个涵盖不同密度与规模的真实数据集上的综合实验表明,PemSet-FIM在RMSE、MAE、精确率、召回率及运行效率上均优于现有的SVIM、FIML和LDP-RM算法。特别是在高稀疏度数据集上,该算法将精确率与召回率分别提升了最高达15%,展现出卓越的泛化能力与鲁棒性。

参考文献

[1]

Behrad F, Abadeh M S. An overview of deep learning methods for multimodal medical data mining[J]. Expert Systems with Applications, 2022, 200: 117006.

[2]

Guo Z W, Wang H. A deep graph neural network-based mechanism for social recommendations[J]. IEEE Transactions on Industrial Informatics, 2021, 17: 2776-2783.

[3]

Davashi R. ITUFP: a fast method for interactive mining of top-k frequent patterns from uncertain data[J]. Expert Systems with Applications, 2023, 214: 119156.

[4]

He J X, Han X X, Wang J B, et al. Efficient high-utility occupancy itemset mining algorithm on massive data[J]. Expert Systems with Applications, 2022, 210: 118329.

[5]

Karaca M, Alvarado M M, Gahrooei M R, et al. Frequent pattern mining from multivariate time series data[J]. Expert Systems with Applications, 2022, 194: 116435.

[6]

Abdelaal A A, Abed S, Al-shayeji M, et al. Customized frequent patterns mining algorithms for enhanced top-rank-k frequent pattern mining[J]. Expert Systems with Applications, 2021, 169: 114530.

[7]

Denham B, Pears R, Naeem M A. Enhancing random projection with independent and cumulative additive noise for privacy-preserving data stream mining[J]. Expert Systems with Applications, 2020, 152: 113380.

[8]

Driss K, Boulila W, Leborgne A, et al. Mining frequent approximate patterns in large networks[J]. International Journal of Imaging Systems and Technology, 2021, 31: 1265-1279.

[9]

赵婵婵, 马坤明, 石宝, 等. 基于差分隐私的自适应联邦学习隐私保护方案[J]. 科学技术与工程, 2025, 25(7): 2849-2855.

[10]

Zhao Chanchan, Ma Kunming, Shi Bao, et al. Adaptive privacy protection scheme for federated learning based on differential privacy[J]. Science Technology and Engineering, 2025, 25(7): 2849-2855.

[11]

Dwork C. Differential privacy[C]//Proceedings of the 33rd International Colloquium on Automata, Languages and Programming. Venice: Springer, 2006: 1-12.

[12]

Liu J J, Hu Y, Guo X J, et al. Differential privacy performance evaluation under the condition of non-uniform noise distribution[J]. Journal of Information Security and Applications, 2022, 71: 103366.

[13]

CACM Staff. Differential privacy: the pursuit of protections by default[J]. Communications of the ACM, 2021, 64: 36-43.

[14]

Velliangiri S, Premalatha J. Intrusion detection of distributed denial of service attack in cloud[J]. Cluster Computing, 2019, 22: 10615-10623.

[15]

Kairouz P, Oh S, Viswanath P. Extremal mechanisms for local differential privacy[J]. Journal of Machine Learning Research, 2016, 17: 1-51.

[16]

Xiong X X, Liu S B, Li D, et al. Real-time and private spatio-temporal data aggregation with local differential privacy[J]. Journal of Information Security and Applications, 2020, 55: 102633.

[17]

Zhao D, Zhao S Y, Chen H, et al. Efficient protocols for heavy hitter identification with local differential privacy[J]. Frontiers of Computer Science, 2022, 16: 165825.

[18]

Qin Z, Yang Y, Yu T, et al. Heavy hitter estimation over set-valued data with local differential privacy[C]//Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security. Vienna: ACM, 2016: 192-203.

[19]

Wang T H, Li N H, Jha S. Locally differentially private frequent itemset mining[C]//Proceedings of the 2018 IEEE Symposium on Security and Privacy. San Francisco: IEEE, 2018: 127-143.

[20]

Li J H, Gan W S, Gui Y J, et al. Frequent itemset mining with local differential privacy[C]//Proceedings of the 31st ACM International Conference on Information & Knowledge Management. Atlanta: ACM, 2022: 1146-1155.

[21]

Huang Y X, Xue K P, Zhu B, et al. Joint distribution analysis for set-valued data with local differential privacy[J]. IEEE Transactions on Information Forensics and Security, 2024, 19: 10584565.

[22]

Dong K, Zhang Z, Jia C, et al. Relation mining under local differential privacy[C]//Proceedings of the 33rd USENIX Security Symposium. Philadelphia: USENIX Association, 2024: 955-972.

[23]

王庆国, 刘路路, 贾晓凡, 等. 基于关系强度的车联网位置隐私保护方法[J]. 科学技术与工程, 2024, 24(2): 684-689.

[24]

Wang Qingguo, Liu Lulu, Jia Xiaofan, et al. Location privacy protection method for Internet of vehicles based on relationship strength[J]. Science Technology and Engineering, 2024, 24(2): 684-689.

[25]

王圣杰, 张庆红. 基于密度权重的隐私聚类和改进相似度的推荐算法[J]. 科学技术与工程, 2024, 24(29): 12623-12630.

[26]

Wang Shengjie, Zhang Qinghong. Density weight based privacy clustering and improved similarity recommendation algorithms[J]. Science Technology and Engineering, 2024, 24(29): 12623-12630.

[27]

Chen W J, Chen H Y, Han T X, et al. Secure two-party frequent itemset mining with guaranteeing differential privacy[J]. IEEE Transactions on Mobile Computing, 2025, 24(1): 276-292.

[28]

叶青青, 孟小峰, 朱敏杰, 等. 本地化差分隐私研究综述[J]. 软件学报, 2018, 29(7): 1981-2005.

[29]

Ye Qingqing, Meng Xiaofeng, Zhu Minjie, et al. Survey on local differential privacy[J]. Journal of Software, 2018, 29(7): 1981-2005.

[30]

Zhou Y H, Wang W L, Yan J, et al. Optimization of binary randomized response based on Lanke privacy and utility analysis[J]. Chinese Journal of Electronics, 2025, 34(1): 242-256.

[31]

Wang T, Zhang X F, Feng J Y, et al. A comprehensive survey on local differential privacy toward data statistics and analysis[J]. Sensors, 2020, 20(24): 7030-7078.

[32]

Wang T H, Blocki J, Li N H, et al. Optimizing locally differentially private protocols[C]//Proceedings of the 26th USENIX Security Symposium (USENIX Security 17). Vancouver: USENIX Association, 2017: 729-745.

[33]

Zhu Y W, Cao Y R, Xue Q, et al. Heavy hitter identification over large-domain set-valued data with local differential privacy[J]. IEEE Transactions on Information Forensics and Security, 2024, 19: 414-426.

基金资助

国家自然科学基金(62203201)

2024年辽宁省属本科高校基本科研业务费专项(LJZZ212410154025)

2026年辽宁省应用基础研究项目(2026JH2/101300073)

PDF (9158KB)

0

访问

0

被引

详细

导航
相关文章

/

〈 〉