K-匿名數(shù)據(jù)集的挖掘算法研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái)，Internet時(shí)時(shí)刻刻都在釋放出海量數(shù)據(jù)。信息的日積月累，無(wú)論是圍繞著企業(yè)的商業(yè)決策，還是個(gè)人的生活消費(fèi)習(xí)慣等信息，都變成了以各種各樣形式存儲(chǔ)的數(shù)據(jù)。大數(shù)據(jù)的背后隱藏著大量政治和經(jīng)濟(jì)利益的同時(shí)，也到處涉及到各種隱私。隨著人們隱私保護(hù)意識(shí)的提高與k-匿名隱私保護(hù)模型的日趨完善，該模型已經(jīng)逐漸成為了個(gè)人和機(jī)構(gòu)發(fā)布數(shù)據(jù)前的可信賴隱私保護(hù)手段。k-匿名數(shù)據(jù)屬于一種特殊的不確定數(shù)據(jù)，它的元組中準(zhǔn)標(biāo)識(shí)符屬性對(duì)應(yīng)的泛化值取每個(gè)

2、可能值的概率是相等的，并且每條元組至少和k-1條其它元組在準(zhǔn)標(biāo)識(shí)符屬性上的值是相同的。K-匿名數(shù)據(jù)是通過(guò)泛化樹(shù)對(duì)精確數(shù)據(jù)進(jìn)行泛化處理來(lái)實(shí)現(xiàn)k-匿名化的，具有均勻分布的特性，這一特性不利于精確查詢，并且，已存在的數(shù)據(jù)挖掘算法也無(wú)法有效的應(yīng)用于k-匿名數(shù)據(jù)的挖掘。因此，如何挖掘k-匿名數(shù)據(jù)以及增加其可用性是一個(gè)亟待解決的問(wèn)題。
　　關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域最基本的分析方法，其可從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集或?qū)傩蚤g有價(jià)值的關(guān)聯(lián)關(guān)系。目前已經(jīng)有

3、很多學(xué)者針對(duì)不確定數(shù)據(jù)做了專門的研究，也提出了許多優(yōu)良的不確定數(shù)據(jù)挖掘算法。但是，這些算法幾乎都是基于元組在還原成可能的確定元組時(shí)概率不等的前提下挖掘的，而k-匿名數(shù)據(jù)的均勻分布特性使得這些已存在的算法在應(yīng)用時(shí)要么效率低下，要么挖掘得到的結(jié)果價(jià)值很低。為了解決該問(wèn)題，結(jié)合聚類和樹(shù)的優(yōu)點(diǎn)，我們提出了針對(duì)k-匿名數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘算法。它包括了擴(kuò)展分層聚類算法、k-頻繁樹(shù)構(gòu)造算法和關(guān)聯(lián)規(guī)則生成算法，分別用于對(duì)k-匿名數(shù)據(jù)進(jìn)行預(yù)處理、挖掘頻繁

4、項(xiàng)集和生成強(qiáng)關(guān)聯(lián)規(guī)則。
　　數(shù)據(jù)的查詢可以從另一方面有效提高數(shù)據(jù)的可用性。K-匿名數(shù)據(jù)的特殊性使得挖掘得到的關(guān)聯(lián)規(guī)則體左邊依舊為泛化值，現(xiàn)有的查詢算法無(wú)法對(duì)其進(jìn)行變粒度查詢，以得到非原始泛化值的對(duì)應(yīng)關(guān)聯(lián)規(guī)則及其置信度。抓住k-匿名數(shù)據(jù)均勻分布的特點(diǎn)，我們結(jié)合R*樹(shù)的空間查詢優(yōu)勢(shì)，把粒度轉(zhuǎn)換方法應(yīng)用到查詢中去，提出了變粒度關(guān)聯(lián)規(guī)則查詢算法——基于新提出的4點(diǎn)粒度轉(zhuǎn)換特性，實(shí)現(xiàn)了對(duì)關(guān)聯(lián)規(guī)則挖掘的結(jié)果查詢對(duì)用戶透明化，可有效滿足不同用戶