.png){kind=icon}
返回
Multi-source data outlier detection based on secure multi-party computation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.is.2025.102597.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
离群点检测已被应用于金融欺诈、故障检测和健康诊断等多个领域，作为一种发现异常数据的重要技术。对多源数据进行离群点检测需要数据共享。然而，多源之间的数据共享通常会泄露数据中嵌入的隐私，例如敏感的患者信息。随着个人隐私日益受到重视，研究如何在保护隐私的同时实现多源数据的离群点检测成为必要。安全多方计算（SMPC）是一种在无可信第三方的情况下实现多源间安全计算的保护隐私技术。但由于频繁的数据交互和复杂的计算，高复杂度和低实用性随之而来。本文提出了一种基于SMPC的安全多源数据离群点检测方案。我们的方案采用同态加密和扰动技术来保护计算全局距离矩阵的关键过程，从而显著降低了安全计算过程的复杂度。此外，我们设计了一种离群点判定策略，以减少反向邻居搜索步骤和计算最终局部离群因子的步骤。通过比较，我们的方案在准确率、运行时间和效率方面均优于现有方案。
Keyword:
outlier detection
secure multi-party computation
homomorphic encryption
privacy preservation
distance matrix
期刊
IF:
3.9
论文数:
2.8K
被引数:
1.8K
机构
引用论文
暂无论文信息