面向聚類算法的隱私保護(hù)技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的迅猛發(fā)展，人們進(jìn)入到一個信息量激增的時代，海量數(shù)據(jù)的多樣性與復(fù)雜性向數(shù)據(jù)挖掘技術(shù)提出更高的需求。在實(shí)際應(yīng)用時，由于數(shù)據(jù)量大且繁雜，很難存在存儲能力和計(jì)算能力都符合的用戶，因此，數(shù)據(jù)集會經(jīng)常分布于多方用戶之間，這就需要多方用戶聯(lián)合數(shù)據(jù)資料，共同挖掘得出期望知識。然而，基于隱私保護(hù)的考慮，人們懼怕對數(shù)據(jù)挖掘技術(shù)的誤用、濫用會導(dǎo)致私有數(shù)據(jù)特別是敏感信息的泄漏。因此，在這種場景下，人們甚至?xí)芙^提供真實(shí)的個人數(shù)據(jù)信息。這就制約了數(shù)

2、據(jù)挖掘技術(shù)的發(fā)展，而基于隱私保護(hù)的數(shù)據(jù)挖掘技術(shù)（Privacy-Preserving Data Mining，PPDM）的出現(xiàn)可以解決這一問題。
　　作為數(shù)據(jù)挖掘技術(shù)的一種，聚類算法應(yīng)用廣泛。但是基于隱私保護(hù)的安全聚類協(xié)議并不多，并且多是集中于對經(jīng)典K-均值（K-means）聚類算法的安全協(xié)議研究。由于親和傳播（Affinity Propagation, AP）聚類算法具有K-means無法比擬的優(yōu)勢，但目前卻沒有可用的協(xié)議涉及其

3、安全應(yīng)用方面，因此，本文將提出一種解決方案，并以此為重點(diǎn)展開討論。
　　本文主要內(nèi)容如下：
　?。?）分析了數(shù)據(jù)挖掘技術(shù)的研究背景以及國內(nèi)外發(fā)展現(xiàn)狀，詳細(xì)介紹數(shù)據(jù)挖掘的相關(guān)知識與主要技術(shù)，其中重點(diǎn)研究不同類型的聚類分析算法，并對影響聚類結(jié)果的主要因素展開討論。
　?。?）介紹PPDM的相關(guān)技術(shù)理論，研究數(shù)據(jù)處于不同分布環(huán)境下的隱私保護(hù)技術(shù)，并重點(diǎn)探討了分布式環(huán)境下的安全多方計(jì)算協(xié)議。結(jié)合隱私保護(hù)技術(shù)與挖掘算法即可形成特

4、定的隱私保護(hù)方案，本文討論了隱私保護(hù)技術(shù)在PPDM方案中的實(shí)施過程，并給出評價(jià)隱私保護(hù)方案的重要標(biāo)準(zhǔn)，最后分析了PPDM在未來所要面臨的問題與挑戰(zhàn)。
　?。?）本文介紹一種新型高效的聚類算法—AP聚類，基于對AP聚類算法的研究及其特性分析，提出一種在數(shù)據(jù)垂直分布環(huán)境下的AP安全聚類協(xié)議。在半誠實(shí)模型下對其進(jìn)行安全性討論，并估算給出通信代價(jià)，以證明該協(xié)議不僅能實(shí)現(xiàn)高效的聚類挖掘，并且保證各站點(diǎn)的隱私數(shù)據(jù)得到安全保護(hù)，即實(shí)現(xiàn)了數(shù)據(jù)挖掘