李玉强，陈鋆昊，李 琦，刘爱华

(1.武汉理工大学 计算机科学与技术学院，武汉 430063； 2.武汉理工大学 能源与动力工程学院，武汉 430063)

随着大数据时代的来临，在利用各种新技术把生活中丰富的数据搜集存储起来，以便于进行研究的同时，个人隐私数据的泄露也成为了当今社会的一大问题[1].近年来，隐私泄露事故的不断发生在国内外都造成了很大的社会恐慌，如2018年3月15日，Facebook被曝涉嫌泄露用户隐私数据，带来了严重的经济问题和不良的社会影响.于是，隐私保护问题引起了人们的高度重视，尤其在数据挖掘领域，当数据挖掘者对数据进行研究处理并获取有价值的信息时，必然会给数据集中的隐私信息带来泄露的风险[2-3].因此差分隐私[4]以其严格性在数据挖掘领域得到了广泛的应用[5].其中随机森林作为数据挖掘领域中一种重要的分类方法，在数据预测分析中起着关键作用[6]，将差分隐私技术应用到随机森林算法中可以保护数据的隐私性，但是这样必然会造成算法分类准确率的大幅度下降，尤其是对高维数据进行分类的时候，对此研究者们做了许多工作.

Jagannathan等[7]最早将差分隐私保护应用在随机森林中， Patil 和Singh[8]进一步提出了一种保证差分隐私条件下的多类别分类算法(DiffPRF)，但是没有提出进一步的改进方法.穆海蓉等[9]在此基础上对算法进行了改进，提出了一种面向随机森林的差分隐私保护算法(DiffPRFs)，该算法利用指数机制在结点划分时选择分裂……