隱私保護的數(shù)據(jù)挖掘研究.pdf

1、隨著信息技術(shù)的發(fā)展,數(shù)據(jù)挖掘技術(shù)在一些深層次的應(yīng)用中發(fā)揮了積極的作用。與此同時,也帶來隱私保護方面的問題。如何在數(shù)據(jù)挖掘過程中解決好隱私保護問題,成為數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點。在數(shù)據(jù)挖掘中,通常隱私被劃分為兩類:一類隱私是原始數(shù)據(jù)本身所具有的,另一類隱私是原始數(shù)據(jù)所蘊含的知識。本文通過對第二類隱私問題從兩個方面進行的研究,提出了相對應(yīng)的隱私保護的數(shù)據(jù)挖掘算法。
　　針對在水平分布數(shù)據(jù)環(huán)境下使用傳統(tǒng)k-最近鄰分類算法不僅需要高速的

2、數(shù)據(jù)通信網(wǎng)絡(luò),還可能會使數(shù)據(jù)的私有性和安全性遭受威脅。本文從隱私保護的角度出發(fā),對k-最近鄰分類算法進行了深入的研究,提出了基于安全多方計算(SMC)的水平分布數(shù)據(jù)環(huán)境下的有效分類算法KNNDE。理論分析和實驗證明了該算法在達到與傳統(tǒng)集中式k-最近鄰分類算法相近精度的同時,保持了參與協(xié)作挖掘各方的數(shù)據(jù)隱私性。
　　針對關(guān)聯(lián)規(guī)則挖掘過程中的隱私保護問題,提出了一種采用減小敏感項集支持度或置信度的算法,對敏感關(guān)聯(lián)規(guī)則進行隱藏。隱藏算法