Analisi e miglioramento delle proprietà di convergenza degli algoritmi di k-means clustering differenzialmente privati.

Il lavoro ha l’obiettivo di presentare un’analisi di alcuni algoritmi di clustering differenzialmente privati e, sulla base dei risultati raccolti, proporne alcune variazioni, tali algoritmi hanno l’obiettivo di migliorare la qualità del clustering e di conseguenza la convergenza delle esecuzioni. Si presentano tre nuovi algoritmi di k-means clustering eseguito in maniera differenzialmente privata, che possono essere considerati come delle varianti dell’algoritmo DPLloyd. I tre algoritmi proposti utilizzano il diagramma di Voronoi associato ai centroidi di ogni iterazione dell’algoritmo di DPLloyd. Vengono fornite le dimostrazioni formali del fatto che tali algoritmi rispettano la differential privacy e sono anche riportati i risultati di esperimenti volti a valutare la qualità del clustering ottenuto con questi metodi.