面向分類挖掘的差分隱私保護方法研究.pdf

1、大數據時代推動了數據挖掘的發(fā)展，在金融、醫(yī)療、電信和電商行業(yè)，數據挖掘的大量應用使服務商能夠提供給人們更優(yōu)質服務。但在人們將大量的數據上傳給服務商的同時，也將隱私保護主動權交了出去。隱私的泄漏不僅威脅到個人和企業(yè)的財產安全，甚至會影響社會的穩(wěn)定。面對日趨嚴峻的隱私安全形勢，研究數據挖掘中的隱私保護方法，防止數據挖掘的過程中隱私信息泄漏已經成為數據挖掘領域的熱點。
　　數據挖掘的分類方法通過建造分類模型對未知數據樣本進行篩選分類。在

2、分類挖掘的差分隱私保護方法研究中，差分隱私預算ε的設置和分配一直是該領域的難點：如果隱私預算設置的不夠大，迭代次數的不確定性會導致隱私預算過早耗盡，難以保證隱私保護的實現(xiàn)；如果隱私預算設置的過大，導致加入的噪聲過大影響了數據集的可用性，會降低挖掘模型的準確率。在以上背景下，本文研究面向分類挖掘的差分隱私保護方法，本文主要的工作如下：
　　(1)比較了當前主流的隱私保護技術，根據它們各自的技術特點分析其優(yōu)缺點；根據差分隱私的定義和相

3、關性質，研究如何在分類挖掘方法中實現(xiàn)隱私保護。
　　(2)總結差分隱私保護方法在分類挖掘中的幾種重要應用，分析當前分類挖掘的隱私保護方法中存在的問題。
　　(3)在現(xiàn)有決策樹構建方法的基礎上，針對差分隱私指數機制效率低的問題，本文提出一種改進的基于差分隱私的決策樹構建方法，利用屬性約簡的方法來剔除數據集中部分冗余屬性，通過離散化算法來對連續(xù)屬性離散化，所有屬性一同參加指數機制的篩選。進行實驗，根據結果來驗證方法的有效性。

4、r>　　(4)針對現(xiàn)有推薦系統(tǒng)的推薦方法在隱私保護和推薦結果方面的不足之處，本文提出一種基于差分隱私的個性化推薦方法，通過貝葉斯網絡結點的屬性權重值來優(yōu)化噪聲的加入，并引入校驗數據集對協(xié)同過濾推薦結果進行檢驗。通過實驗來驗證本方法的有效性。
　　本文的主要創(chuàng)新點包括：
　　(1)提出一種改進的基于差分隱私的決策樹構建方法，在數據集預處理階段引入屬性約簡技術，降低了冗余屬性對分類準確率的影響，提高了分類準確率，并改進了選取細分