Diferenciálně privátní clusteringové modely

Ochrana soukromí a anonymizace dat v Pythonu

Rebeca Gonzalez

Data engineer

Porovnání modelů

Obrázek zobrazující 3 clustery v datech po clusteringu pomocí neprivátního k-means

Obrázek zobrazující 3 clustery v datech po clusteringu pomocí privátního k-means

Porovnání modelů

Obrázek zobrazující rozdíl mezi výsledky clusteringu dvou modelů jako růžové body

Rozdíl mezi clustery výsledků obou modelů
Většina výsledků je společná

Tvorba diferenciálně privátních clusteringových modelů

from diffprivlib.models import KMeans


# Computing the clusters with the DP model
model = KMeans(epsilon=1, n_clusters=3)


# Run the model and obtain clusters
clusters = model.fit_predict(X)

Vylepšení DP clusteringových modelů

Data lze před clusteringem předzpracovat.
Škálování příznaků (StandardScaler) a redukce dimenzionality (PCA).
- Ke snížení inercie modelu
- Přesnější segmentační skupiny
S diffprivlib se postupuje stejně jako s modely sklearn.

Vylepšení DP clusteringových modelů

from sklearn.decomposition import PCA


# Initialize PCA
pca = PCA()


# Fit transform data with PCA
X = pca.fit_transform(X)


# Computing the clusters with the DP model
model = dp_Kmeans(epsilon=1, n_clusters=3)


# Run the model and obtain clusters
clusters = model.fit_predict(X)

Vylepšení DP clusteringových modelů

Obrázek zobrazující dva výsledné bodové grafy s clustery

Vylepšení DP clusteringových modelů

Obrázek zobrazující rozdíl mezi dvěma výsledky clusteringu jako růžové body

Vylepšené výsledky pomocí datových transformací

Metoda lokte

Obrázek výsledného grafu po aplikaci metody lokte na data

Epsilon

from diffprivlib.models import KMeans as model


# Computing the clusters with the DP model
model = dp_Kmeans(epsilon=0.2, n_clusters=3)


# Run the model and obtain clusters
clusters = model.fit_predict(X)

Epsilon

Obrázek zobrazující dva výsledné bodové grafy s clustery

Pojďme si procvičit!

Ochrana soukromí a anonymizace dat v Pythonu