An Efficient Solution for Privacy-preserving Naïve Bayes Classification in Fully Distributed Data Model

Abstract—Recently, privacy preservation has become one of the most important problems in data mining and machine learning. In this paper, we propose a novel privacy-preserving Naïve Bayes classifier for fully distributed scenario where each record is only kept by unique owner. Our proposed solution based on secure multi-party computation protocol, so that it capability to securely protect owner’s privacy, as well accurately guarantee classification model. Furthermore, our experimental results show new efficient enough practical applications. Tóm tắt—Gần đây, bảo vệ tính riêng tư đã trở thành một trong những vấn đề quan trọng nhất khai phá dữ liệu và học máy. Trong bài báo này, chúng tôi xuất bộ phân lớp đảm mới cho kịch bản tán đầy đủ đó mỗi ghi chỉ được giữ bởi người sở hữu duy nhất. Giải pháp nhóm tác giả dựa trên toán mật nhiều viên nên nó có khả năng an toàn sự của cũng như chính xác mô hình lớp. Hơn thế nữa, các kết quả thực nghiệm ra rằng giải hiệu ứng dụng tế.