基于隱私保護(hù)的分布式聚類算法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)在發(fā)現(xiàn)規(guī)律和知識(shí)的同時(shí)也暴露了一些隱私信息，隱私保護(hù)因此成為數(shù)據(jù)挖掘過(guò)程中需要研究的重要問(wèn)題，其目標(biāo)是在不訪問(wèn)真實(shí)原始數(shù)據(jù)的條件下，能得到正確的數(shù)據(jù)挖掘結(jié)果。聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一項(xiàng)重要研究?jī)?nèi)容，它在金融、電信、保險(xiǎn)業(yè)、市場(chǎng)營(yíng)銷、異常檢測(cè)、網(wǎng)絡(luò)安全、科學(xué)決策等方面具有十分重要的應(yīng)用價(jià)值。由于網(wǎng)絡(luò)帶寬、站點(diǎn)存儲(chǔ)量、信息安全及隱私保護(hù)等限制，需要進(jìn)行分布式聚類。本文將探討分布式聚類過(guò)程中的隱私保護(hù)問(wèn)題，研究基于隱私保護(hù)的分布

2、式聚類算法，主要?jiǎng)?chuàng)新點(diǎn)如下。
　　 1.針對(duì)水平劃分的分布式數(shù)據(jù)庫(kù)，提出了一種基于隱私保護(hù)的分布式聚類算法PPDK-Means，該算法基于K-Means的思想實(shí)現(xiàn)分布式聚類，并且聚類過(guò)程中引入半可信第三方，應(yīng)用安全多方技術(shù)保護(hù)本站點(diǎn)真實(shí)數(shù)據(jù)不被傳送到其他站點(diǎn)，從而達(dá)到隱私保護(hù)的目的。理論分析和實(shí)驗(yàn)結(jié)果表明PPDK-Means算法是有效的。
　　 2.針對(duì)垂直劃分的分布式數(shù)據(jù)庫(kù)，提出了一種基于隱私保護(hù)的分布式聚類算法PPD

3、C_VP，該算法基于K-Means的思想實(shí)現(xiàn)分布式聚類，并且聚類過(guò)程中應(yīng)用擾亂技術(shù)保護(hù)本站點(diǎn)真實(shí)信息不被傳送到其他站點(diǎn)，從而達(dá)到隱私保護(hù)的目的。理論分析和實(shí)驗(yàn)結(jié)果表明PPDC_VP 算法是有效的。
　　 3.對(duì)基于密度的分布式聚類算法DBDC進(jìn)行改進(jìn)，提出了一種基于密度的分布式隱私保護(hù)聚類算法DBPPDC。在由局部模型確定全局模型時(shí)，通過(guò)相關(guān)安全協(xié)議有效地保護(hù)了局部模型，同時(shí)不影響全局聚類。在利用全局模型更新局部模型時(shí)，通過(guò)改進(jìn)