DP-MCDBSCAN: Differential Privacy Preserving Multi-Core DBSCAN Clustering for Network User Data

[ShuntaIshihara]

• 論文タイトル DP-MCDBSCAN: Differential Privacy Preserving Multi-Core DBSCAN Clustering for Network User Data
• 著者（所属）
  • LINA NI (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China / Shandong Province Key Laboratory of Wisdom Mine Information Technology, Shandong University of Science and Technology, Qingdao 266590, China / Key Laboratory of the Ministry of Education for Embedded System and Service Computing, Tongji University, Shanghai 201804, China)
  • CHAO LI (College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China)
  • XIAO WANG(College of Computer Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China)
  • HONGLU JIANG(School of Information Science and Engineering, Qufu Normal University, Shandong 276826, China)
  • JIGUO YU(School of Information Science and Engineering, Qufu Normal University, Shandong 276826, China)
• 論文PDF／ランディングページへのリンク https://ieeexplore.ieee.org/document/8334224
• 論文まとめ（落合フォーマット準拠）
  • どんなもの？ ネットワークユーザーデータのデータマイニングでのプライバシー漏洩を効果的に解決するためのDP-DBSCANアルゴリズムに基づく差分プライバシー保護マルチコアDBSCAN（DP-MCDBSCAN）クラスタリングスキーマを提案する．
  • 先行研究と比べてどこがすごい？ DP-DBSCANとは異なり，DP-MCDBSCANは，初期コア点の選択を最適化することにより，DP-DBSCANのランダム性と盲目性(blindness)を効果的に解決できる．
  • 技術や手法のキモはどこ？ 初期コア点の選択を最適化して，選択された初期コアオブジェクトが同じクラスター内にないように初期クラスターの中心が可能な限り分散されることを保証し，クラスター結果に対する初期コアオブジェクト選択の影響を低減する．
  • どうやって有効だと検証した？ シミュレーション結果から追加されたノイズが大きい場合に、アルゴリズムがクラスタリングへの影響を低減し、結果の時間効率が向上することが示された．差分プライバシーの特性により，追加されるノイズの量はデータセットのサイズに依存しないため，同じプライバシーバジェットの下では，大規模なデータセットのクラスタリング効果がより正確になる．
  • 議論はある？ クラスタリングの結果に対する入力パラメータの影響を減らし，ノイズの追加とクラスタリングの精度との間の影響のバランスを取ることに焦点を当てること．
  • 次に読むべき論文は？ ベースにしている先行研究
    • [17]W. Wu and H. Huang, ‘‘A DP-DBScan clustering algorithm based on differential privacy preserving,’’ Comput. Eng. Sci., vol. 37, no. 4, pp. 830–834, 2015. 関連研究（プライバシー保護によるクラスタリング分析）
    • [28] S. Mukherjee, Z. Chen, and A. Gangopadhyay, ‘‘A privacy-preserving technique for Euclidean distance-based mining algorithms using Fourier- related transforms,’’ Int. J. Very Large Data Bases, vol. 15, no. 4, pp. 293–315, Nov. 2006.
    • [29] J.J.V.NayahiandV.Kavitha,‘‘Privacyandutilitypreservingdatacluster- ing for data anonymization and distribution on hadoop,’’ Future Generat. Comput. Syst., vol. 74, pp. 393–408, Sep. 2017.
    • [16] Y.Lietal.,‘‘ResearchondifferentialprivacypreservingK-meanscluster- ing,’’ Comput. Sci., vol. 40, no. 3, pp. 287–290, Mar. 2013.