隱私保護(hù)關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf

1、信息時代給我們帶來了數(shù)據(jù)在數(shù)量和復(fù)雜性上的爆炸性增長，也催生了富有挑戰(zhàn)性的研究領(lǐng)域：數(shù)據(jù)挖掘。在很多情況下，數(shù)據(jù)由不同的組織持有，分布于不同的地理位置，而且持有者可能出于數(shù)據(jù)安全性和敏感性等原因不愿意直接共享他們的數(shù)據(jù)。怎樣跨越數(shù)據(jù)挖掘和數(shù)據(jù)隱私性之間的這道鴻溝進(jìn)行各種研究和應(yīng)用，是當(dāng)前數(shù)據(jù)挖掘的一大研究方向，稱為保護(hù)隱私的數(shù)據(jù)挖掘。 本文在綜述了國內(nèi)外關(guān)聯(lián)規(guī)則挖掘研究成果的基礎(chǔ)上，對當(dāng)前流行的隱私保護(hù)關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行了深入

2、淺出的介紹和分析。 本文針對MASK算法存在的不足，將隨機(jī)響應(yīng)技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法相結(jié)合，提出一個多參數(shù)隨機(jī)擾動算法—MRD算法。當(dāng)以不同的隨機(jī)參數(shù)對數(shù)據(jù)集進(jìn)行處理時，可以實現(xiàn)對原始數(shù)據(jù)的干擾或隱藏，解決了單一使用數(shù)據(jù)干擾策略和數(shù)據(jù)隱藏策略的缺陷，有效地提高了算法的隱私保護(hù)度。在此基礎(chǔ)上，給出了在偽裝后的數(shù)掘集上生成頻繁項集的挖掘算法。最后，本文通過具體實例，表明當(dāng)算法中的參數(shù)選擇合適時，MRD算法的隱私性和準(zhǔn)確性均優(yōu)于原算法