隱私保護關聯(lián)規(guī)則挖掘.pdf

1、數(shù)據(jù)挖掘研究如何從大量數(shù)據(jù)中發(fā)現(xiàn)潛在模式及趨勢，在科學研究、醫(yī)學研究及商業(yè)等領域，正得到越來越廣泛的應用，具有很大的發(fā)展?jié)摿ΑＳ捎跀?shù)據(jù)挖掘是發(fā)現(xiàn)數(shù)據(jù)中不容易發(fā)現(xiàn)的模式和規(guī)律，如果利用不當，可能對隱私和信息安全構成威脅。因此，如何在保證隱私的情況下挖掘出有用的信息是近年來數(shù)據(jù)挖掘領域研究的熱點之一。 本文首先結合數(shù)據(jù)分布方式、隱私保護目標和隱私保護技術和隱私保護的對象等多個角度，對當前流行的隱私保護關聯(lián)規(guī)則挖掘方法進行了深入淺出的

2、分析和介紹。其次，論文主要針對隱私保護關聯(lián)規(guī)則挖掘提出相關的兩個算法： (1)從隱私保護對象為原始數(shù)據(jù)集的角度出發(fā)，總結Rizvid提出的的MASK算法優(yōu)缺點的基礎上，提出了一個基于多參數(shù)隨機擾動的布爾規(guī)則挖掘算法DMASK。該算法同MASK算法相比，能夠按照用戶對隱私關注不同設置不同的擾動參數(shù)，從而降低了隱私泄露的可能性。通過合理的參數(shù)設置同時滿足挖掘結果的準確度和隱私保護度。另外，我們利用集合原理對算法實行優(yōu)化，并且嚴格控制

3、數(shù)據(jù)集密度的變化，消除了由于擾動引起的額外計算，從而大大提高程序運行效率。我們分別在人工數(shù)據(jù)集(IBMSyntheticDataset)和實際數(shù)據(jù)集(BMS-WebView-1)運行該算法，實驗結果表明DMASK算法在運行時間上比Aprior減慢少于5倍，同時能夠保證隱私保護度在70％以上，挖掘結果的準確度在90％以上。 (2)從隱私保護對象為敏感模式的角度出發(fā)，針對Oliverira提出的SWA算法中容易因推導而產(chǎn)生隱私泄露的

4、不足，提出了一個新穎算法RWA。首先根據(jù)敏感模式和非敏感模式之間的關系建立擾動矩陣，設置矩陣中合適的值，并將原事務數(shù)據(jù)集與擾動矩陣相乘，生成一個能夠阻止向前推導攻擊擾動數(shù)據(jù)集。另外，我們使用不同的擾動參數(shù)來避免敏感規(guī)則被恢復以及降低非敏感規(guī)則被隱藏的機率，更能避免入侵者向前推導所引起的隱私泄露。最后我們利用實驗方法，通過與SWA算法在敏感模式的隱藏、非敏感規(guī)則的丟失以及運行時間等多個性能指標上進行比較，結果表明我們所提出的算法相對于SW