关键词：高维数据；隐私保护；聚类；随机映射；K-means

中图分类号：TP309 文献标志码：A 文章编号：1001-3695（2025）08-035-2511-07

doi：10. 19734/j.issn.1001-3695.2024.10.0503

Privacy-preserving algorithm for clustering high-dimensional data based on random mapping

He Lili ^a，b， c，Zhang Chenglina，b，c，Cao Mingzenga，bc， Zhang Lei a.b，et （aScloffadEeoicogcalboaofuooutellgeeamp;fr cessing，c.JiusiKbotoftelittooamp;qeEeengecsiUJi longjiang 154007，China）

Abstract：Toaddress thechalengeof increasing privacycosts withrisingdata dimensions inclustering privacyprotectionalgorithms，this paper proposed arandom projection-based privacypreserving algorithm（RPPP）.RPP selected relevant features usingthesymmetricaluncertaintymethodandgeneratedrandommatricesthroughindependentlyandidenticalldistributed Gaussiansequences.Tostrengthen distance-preservingproperties，itappied Gram-Schmidtorthogonalization toensuretheorthogonalityof therandom matrices.These matriceswere decomposed intomultipleindependentsub-matrices to map thereduced-dimensionalfeatures，andcreatedafeature-matchingdomainandanoise-perturbeddomain.To further enhanceprivacy protectin，thealgorithminjectedrandomnoiseintothenoise-perturbeddomain.ExperimentalresultsdemonstratethatRPPP efectivelydefendsagainstprivacyatacks.TestsconductedontheCancerandDiabetes datasetsshowthatRPPPoutperforms traditional algorithmsinbothprivacyprotectionandclustering eficiency.Specifically，RPPPimproves clustering efficncyby approximately 16.34% ， 23.44% ，and 32.94% compared with UPA，GCCG，and AKA algorithms，respectively. Overall，RPPP significatlyehanesprivacyprotectionwhileboostingclustering eficiency，confirming itseffctivenessandpracticalaplicability.

Key Words：high-dimensional data；privacy protection；clustering；random projection；K-means

0 引言

近年来，随着大数据技术的迅速兴起以及信息技术的飞速发展[1，诸如医疗机构和教育机构等组织每天都会生成大量数据，这些数据涵盖了广泛的领域，通过数据挖掘技术的分析和处理，能够将其转换为具有实际应用价值的信息。经过转换后，这些信息不仅能帮助组织优化内部流程，还为科学决策[3提供了有力支持，推动各行业在信息驱动下实现创新与发展。作为数据挖掘中的一种高效算法，聚类技术4已在多个领域得到广泛应用。然而，随着聚类技术的日益成熟，用户数据所面临的隐私风险也日益凸显。例如，在使用网易云音乐[5]等流媒体平台时，平台通过算法对用户的多项行为进行深入分析，包括用户的听歌记录、点赞和收藏的歌曲、播放列表的创建以及用户间的互动行为，如评论、分享和关注等。平台可以利用这些数据构建用户的音乐偏好模型，提供个性化推荐，提升用户体验。此外，这些数据还可以用于优化内容推荐算法、分析用户行为模式，甚至在某些情况下被用作商业目的，如定向广告和市场分析。尽管这种算法分析提升了平台服务的精准性，但也可能引发用户隐私数据被过度收集和使用的风险，值得进一步关注。

针对这一问题，许多研究者提出了优化的聚类隐私保护算法，通过匿名化[或加密[7]等技术实现隐私保护。然而，随着数据维度的增加，这些方法面临隐私保护开销显著增加以及聚类效率下降的双重挑战。……