隱私保護數(shù)據(jù)挖掘算法的研究.pdf

1、近年來，數(shù)據(jù)挖掘在商業(yè)決策、科學探索以及醫(yī)學研究等諸多領域得到了廣泛應用。然而，數(shù)據(jù)挖掘技術在給我們帶來巨大利益的同時，也會不可避免的產(chǎn)生隱私泄露問題。尤其隨著人們對隱私權關注度的不斷提高，數(shù)據(jù)挖掘在實現(xiàn)過程中遇到了層層阻礙。隱私保護數(shù)據(jù)挖掘技術正是在此背景下產(chǎn)生的，它能夠在保證敏感數(shù)據(jù)以及敏感規(guī)則安全的前提下，挖掘出比較準確的結果，有效的解決了數(shù)據(jù)挖掘與隱私保護之間的矛盾。
　　 本文首先總結歸納現(xiàn)階段隱私保護數(shù)據(jù)挖掘算法的研

2、究現(xiàn)狀，然后針對目前應用最廣泛的關聯(lián)規(guī)則隱私保護數(shù)據(jù)挖掘進行了相關研究:
　　 首先分析了數(shù)據(jù)集中分布的挖掘算法MASK(Mining Associations with SecrecyKonstraints)，該算法通過數(shù)據(jù)干擾和分布重構實現(xiàn)了隱私保護的關聯(lián)規(guī)則挖掘，但是基于扭曲數(shù)據(jù)庫重構項集原始支持度呈現(xiàn)指數(shù)復雜度，嚴重影響了算法的運行效率。針對這一不足，基于集合原理提出了一種改進的優(yōu)化算法，消除了指數(shù)復雜度。最后通過實驗證

3、明了改進算法與原MASK算法相比具有更好的性能。
　　 分布式數(shù)據(jù)挖掘是一個動態(tài)的過程。具體來說有兩個方面:(1)一些新的機構的加入；(2)原有數(shù)據(jù)庫隨著時間的推移，將會增加大量新的記錄，同時部分原有記錄可能已經(jīng)被更新，甚至已經(jīng)被刪除。這樣原有的關聯(lián)規(guī)則便會過時，已經(jīng)不能準確反映當前數(shù)據(jù)庫所隱含的一些規(guī)則或模式，因此需要進行更新。實現(xiàn)更新最基本的方法是重新挖掘關聯(lián)規(guī)則，但是這種做法代價高昂。
　　 針對分布式環(huán)境下關聯(lián)規(guī)