面向數(shù)據(jù)挖掘的隱私保護方法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)的研究工作極大地推動了自動化數(shù)據(jù)分析和預(yù)測技術(shù)的發(fā)展?，F(xiàn)有的數(shù)據(jù)挖掘技術(shù)，包括探索性分析、描述性和預(yù)測性建模、模式和規(guī)則發(fā)現(xiàn)、內(nèi)容分析等，已逐漸應(yīng)用于各類政府服務(wù)以及商業(yè)科研活動中。對原始數(shù)據(jù)的訪問是挖掘工作開展的前提，但對持有者而言，數(shù)據(jù)集通常具有私密性，直接訪問該類數(shù)據(jù)將構(gòu)成隱私威脅。隨著信息隱私保護的相關(guān)政策和法律法規(guī)陸續(xù)問世，隱私問題成為數(shù)據(jù)挖掘邁向?qū)嶋H應(yīng)用的重大阻礙之一。 采用技術(shù)手段，能夠在保證足夠精度和

2、準確度的前提下，使數(shù)據(jù)挖掘方在不觸及實際隱私數(shù)據(jù)的同時，仍能進行有效挖掘工作，稱為數(shù)據(jù)挖掘的隱私保護方法。圍繞分類挖掘、聚類挖掘和關(guān)聯(lián)規(guī)則挖掘等主要的數(shù)據(jù)挖掘方法，已經(jīng)展開了許多研究工作。而隱私保護的有效性以及與挖掘環(huán)境的耦合性是數(shù)據(jù)挖掘隱私保護方法需要解決的根本問題。圍繞該問題，本文從隱私保護方法的安全評估與增強以及隱私保護方法與環(huán)境耦合度方面展開了深入研究。 從隱私保護技術(shù)角度，本文首先分析和總結(jié)了現(xiàn)有數(shù)據(jù)挖掘隱私保護方法的

3、發(fā)展，從數(shù)據(jù)分布、挖掘類型、保護技術(shù)等視角給出了現(xiàn)有數(shù)據(jù)挖掘隱私保護方法的完整分類視圖，并在此基礎(chǔ)上進行了比較和歸納。 數(shù)據(jù)擾亂方法是集中式環(huán)境中的主要數(shù)據(jù)挖掘隱私保護方法，其中加性隨機干擾技術(shù)具有代表性。本文通過對該技術(shù)進行矩陣建模，采用特征向量分解技術(shù)，發(fā)現(xiàn)現(xiàn)有的隨機干擾技術(shù)在特征值分解攻擊中存在脆弱性，也使得原有的隱私強度評估方法失去效用。針對該問題，本文提出了新的隱私強度量化評估模型，并通過上限閥值曲線投影，推導(dǎo)和設(shè)計了

4、基于該評估模型的隨機干擾改進方法。實驗表明，該方法在基于特征向量分解的攻擊中具有魯棒性。隨機干擾技術(shù)是一種通用的數(shù)據(jù)擾亂方法，對其進行有效評估和改進具有通用性和普遍意義。 分布式環(huán)境是數(shù)據(jù)挖掘應(yīng)用增長較快的領(lǐng)域，但由于分布式環(huán)境的復(fù)雜度和安全問題，傳統(tǒng)集中式數(shù)據(jù)挖掘隱私保護方法無法直接應(yīng)用于分布式環(huán)境中。本文分析和定義了分布式挖掘環(huán)境的隱私安全等級，并給出了相應(yīng)的隱私約束問題定義。基于該問題，提出了多方安全統(tǒng)計方法和k匿名置換協(xié)

5、議，并在此基礎(chǔ)上給出了分布式數(shù)據(jù)擾亂隱私保護方法，將集中式加性隨機干擾技術(shù)安全應(yīng)用于分布式環(huán)境中。之后通過定義多個共謀攻擊和惡意攻擊模型，對方法的安全性進行了分析，在實驗和分析中證明了該方法在半誠實環(huán)境中是隱私安全的，具有極高的健壯性。對該方法的研究，使傳統(tǒng)集中式的隨機擾亂和重建技術(shù)能夠直接應(yīng)用于分布式環(huán)境中，使之成為擾亂技術(shù)在分布式環(huán)境中實現(xiàn)的一般化框架。 歐氏空間運算是數(shù)據(jù)挖掘的基礎(chǔ)算法之一。本文分析和研究了基于歐氏空間運算

6、的分布式數(shù)據(jù)挖掘隱私保護方法的安全性，發(fā)現(xiàn)在共謀攻擊中存在安全威脅。結(jié)合同態(tài)加密技術(shù)，本文提出了歐氏空間下的三方及多方安全距離比較協(xié)議，并在預(yù)處理、并行計算、協(xié)議歸并等方面進行性能優(yōu)化。最后應(yīng)用于全分布式的k中值聚類過程，通過實驗證明了方法的安全性和優(yōu)化的有效性。此外，安全距離比較協(xié)議也能夠直接支持基于歐氏距離及其擴展的數(shù)據(jù)挖掘方法，如k近鄰、k均值等，在分類挖掘、聚類挖掘、Web挖掘等領(lǐng)域具有通用性和普遍意義。 最后，對本文的