区块链隐私保护下的用户细分方法与系统

本发明公开了一种区块链隐私保护下的用户细分方法与系统，融合本地化差分隐私机制与区块链技术的数据存储架构，旨在确保用户数据安全的同时，有效规避隐私泄露的风险。在此基础上，设计并实现了一种基于密度距离度量的聚类算法，即KDE‑KMeans算法。在该算法中，引入了密度距离评分作为评估样本与聚类中心相似性的核心指标。此评分机制不仅充分考量了传统距离因素作为主导相似度判定的基石，还将样本间的密度差异作为辅助评估维度纳入考量范畴，从而构建了一个更为全面且细致的相似性评估框架。与现有技术相比，本发明在聚类准确性的评估上，显著优于传统基于距离的聚类算法，充分验证了该算法在复杂数据环境下的有效性和适用性。