基于隱私保護的數(shù)據(jù)挖掘技術(shù)與研究.pdf

1、隨著計算機技術(shù)的發(fā)展和應(yīng)用，數(shù)據(jù)挖掘技術(shù)應(yīng)運而生，但是傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)大多在原始數(shù)據(jù)上進行挖掘，在發(fā)現(xiàn)知識的同時，很多隱私敏感信息亦不可避免的被侵犯到了;很多研究者調(diào)查總結(jié)的結(jié)論指出，在數(shù)據(jù)挖掘的過程中，大量的個人隱私信息在當(dāng)事人不知情的情況下被公開使用，甚至濫用，對于這種個人隱私信息被隨意使用甚至違法亂用的現(xiàn)象，人們很擔(dān)心，有些國家法律也規(guī)定了相應(yīng)的法律法規(guī)，來規(guī)范數(shù)據(jù)挖掘的技術(shù)途徑，強化挖掘信息的保護意識，在各種社會壓力的迫使下，

2、人們在進行于數(shù)據(jù)挖掘的同時必須保障個人隱私信息不被泄漏，必須在保護隱私信息的基礎(chǔ)上進行數(shù)據(jù)挖掘。
　　基于隱私保護的數(shù)據(jù)挖掘技術(shù)的研究目的，是在數(shù)據(jù)庫中提取事先未知的，有價值的信息和知識的同時，又不暴露隱私信息（至少是一些敏感信息）。出于對人們隱私信息的保護，對原始的數(shù)據(jù)庫信息進行處理，就變得迫不及待，基于各類數(shù)據(jù)挖掘中都會觸及個人隱私，本文將以DNA序列數(shù)據(jù)集為研究對象，對其數(shù)據(jù)挖掘過程中的隱私算法進行改進，主要研究內(nèi)容如下:<

3、br>　　將基于最大權(quán)匹配的算法和基于隱私保護框架的弱聚類算法通過合理的改進之后，應(yīng)用于DNA序列數(shù)據(jù)集的隱私保護算法中，針對已經(jīng)存在的隱私保護算法DNALA算法的不足之處進行改進優(yōu)化，提出新算法DNALA-IA，主要包括DNALA-DMA算法和DNALA-CA算法兩部分，詳見如下:
　　(1)針對原來的DNALA算法所使用的多序列比對方法，存在比對時間較長，效率太低的問題，使用DNALA-DMA算法，該算法使用兩兩雙序列比對的方

4、法計算距離矩陣，不僅提高了序列比對的時間效率，同時DNALA算法最終結(jié)果精度不降低，而且在減少被挖掘信息損失度的前提下，實現(xiàn)了個人信息的隱私保護的目的。
　　(2)針對原來的DNALA算法取得的結(jié)果精度不高而且不能實時更新聚類算法結(jié)果的缺點，使用DNALA-CA算法，該算法中的最大權(quán)匹配的聚類算法MWMCA，提高聚類結(jié)果的精度的同時，時間復(fù)雜度不變。該DNALA-CA算法中的數(shù)據(jù)流隱私保護框架WCPPF算法分為在線部分和離線部分，