基于改进差分隐私和聚类算法优化的异常数据检测方法

本发明公开了基于改进差分隐私和聚类算法优化的异常数据检测方法，包括如下步骤：S1、获取多维度的待处理数据集，对数据点的各参数进行标准化处理；S2、基于OPTICS聚类算法计算数据点间的欧几里得距离，利用差分隐私算法对距离信息加噪，结合alpha‑beta剪枝算法优化隐私预算参数；S3、判定核心对象并构建核心对象集合，通过密度分析算法将密度相连的数据点归为初步聚类簇；S4、结合推荐域机制重新分配稀疏数据点，将稀疏点归入最相邻的高密度聚类簇中；S5、利用改进的随机森林算法进行分类，通过加权采样机制平衡数据分布不均问题。本发明通过差分隐私保护机制、聚类优化算法和改进的随机森林分类模型，实现了高效、精准且兼顾隐私保护的异常数据检测。