版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、數(shù)據(jù)挖掘技術(shù)可以幫助用戶從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的未知知識。然而,它的不當使用也可能帶來暴露隱私的風險。尤其是當數(shù)據(jù)需要在不同機構(gòu)之間共享時,共享數(shù)據(jù)中可能會包含與數(shù)據(jù)所有者切身利益相關(guān)的敏感知識,如個人的私密信息、商業(yè)策略、關(guān)系到公司利益的盈利模式、或其他政策不允許公開的敏感知識等。如果數(shù)據(jù)接收者利用數(shù)據(jù)挖掘技術(shù)從共享數(shù)據(jù)中發(fā)現(xiàn)了這類敏感知識,可能會對數(shù)據(jù)所有者構(gòu)成安全威脅。因此,在共享數(shù)據(jù)之前有必要對其中的敏感知識進行保護,同時盡可能
2、的保障正常挖掘需要。
本文主要研究關(guān)聯(lián)規(guī)則挖掘中的隱私保護問題,這一領(lǐng)域的研究工作分為兩類:一類是對敏感數(shù)據(jù)本身的保護,另一類是對數(shù)據(jù)中包含的敏感規(guī)則的保護,即關(guān)聯(lián)規(guī)則隱藏。本文工作致力于解決與后者相關(guān)的問題。對數(shù)據(jù)中包含的敏感規(guī)則進行保護的一般策略是,通過修改部分數(shù)據(jù),來降低敏感規(guī)則的顯著性,使它們從數(shù)據(jù)挖掘的角度不會被發(fā)現(xiàn)。然而,數(shù)據(jù)修改會產(chǎn)生副作用,包括誤隱藏部分非敏感規(guī)則,產(chǎn)生原數(shù)據(jù)庫中不存在的虛假規(guī)則,以及對原始數(shù)據(jù)
3、造成一定程度的破壞或扭曲。關(guān)聯(lián)規(guī)則隱藏問題的挑戰(zhàn)性在于,如何在保護敏感知識的同時,盡可能的減少這些副作用的產(chǎn)生。
本文從不同的角度探索了關(guān)聯(lián)規(guī)則挖掘中的敏感知識保護問題的解決途徑,提出了若干關(guān)聯(lián)規(guī)則隱藏的新方法。本文將對這些新提出的方法進行詳細描述和討論分析,并對它們的求解質(zhì)量進行了實驗評測。主要研究內(nèi)容包括以下幾個方面:
首先,從多目標優(yōu)化的角度研究關(guān)聯(lián)規(guī)則隱藏問題?,F(xiàn)有的大多數(shù)關(guān)聯(lián)規(guī)則隱藏方法利用問題的某些局部特
4、征降低某一方面的副作用,未能對隱藏過程中產(chǎn)生的各類副作用做全面考慮,這些方法在大多數(shù)情況下只能獲得問題的局部最優(yōu)解。并且,不同的副作用之間存在折衷關(guān)系,同時最小化會產(chǎn)生沖突,然而這一重要事實卻被長期忽視。本文提出了基于多目標優(yōu)化的隱藏方法EMO-RH,它可在隱藏敏感規(guī)則的同時,全面降低伴隨的各類副作用,找到問題的全局最優(yōu)解或近似最優(yōu)解。實驗證實,不同的副作用之間是存在折衷關(guān)系的,EMO-RH可以有效的減少各類副作用的產(chǎn)生。EMO-RH魯
5、棒性好,并且運行一次可以生成多個最優(yōu)解,反映了優(yōu)化目標之間的不同程度的折衷關(guān)系,用戶可以依據(jù)自己偏好從中選擇一個滿意解。
為了利用啟發(fā)式算法計算效率高,可擴展性好的優(yōu)點,本文提出了一種新的啟發(fā)式關(guān)聯(lián)規(guī)則隱藏方法——Relevance-soring算法。它通過刪除項來將敏感規(guī)則的支持度或置信度降低到閾值以下,以達到隱藏目的。為了減少副作用,Relevance-sorting算法利用事務與它所包含的非敏感模式之間的關(guān)系來計算相關(guān)度
6、,選出待修改的候選事務。實驗證實,相比于同類方法,Relevance-sorting算法可以有效的減少被誤隱藏的非敏感規(guī)則。
本文在理論方面也做了一定的探索性研究。通過分析副作用產(chǎn)生的原因,提出了基于“邊界規(guī)則”的概念和相關(guān)理論,并設(shè)計了基于邊界規(guī)則的隱藏方法BRDA。數(shù)據(jù)庫中大部分關(guān)聯(lián)規(guī)則與副作用的產(chǎn)生無關(guān),只有少部分規(guī)則容易受到數(shù)據(jù)修改操作的影響而演變成副作用。本文通過定義正邊界規(guī)則和負邊界規(guī)則的概念,將這類處于臨界狀態(tài),
7、容易受到影響而演變?yōu)楦弊饔玫囊?guī)則提取出來,分析其相關(guān)性質(zhì)。正邊界規(guī)則非常容易受數(shù)據(jù)修改影響而被隱藏,每一個被誤隱藏的非敏感規(guī)則都來自于正邊界規(guī)則;而負邊界規(guī)則雖不是強關(guān)聯(lián)規(guī)則,但很容易受數(shù)據(jù)修改影響而變成強關(guān)聯(lián)規(guī)則,每一個虛假規(guī)則都來自于負邊界規(guī)則。BRDA算法利用事務與邊界規(guī)則的關(guān)系選擇候選集進行修改。實驗結(jié)果表明,BRDA算法可以非常有效的降低副作用。
本文也對基于數(shù)據(jù)阻塞的關(guān)聯(lián)規(guī)則隱藏模式進行了研究,并提出了采用阻塞模式
8、隱藏規(guī)則的新算法BRBA。不同于前面幾種方法所采用的數(shù)據(jù)扭曲模式,數(shù)據(jù)阻塞模式不會在數(shù)據(jù)庫中引入錯誤信息。對于發(fā)布的數(shù)據(jù),用戶可清晰的區(qū)分哪些數(shù)據(jù)項未被修改過,這在某些應用領(lǐng)域尤為必要。在阻塞模式下,關(guān)聯(lián)規(guī)則的支持度或置信度不再是單一的確定值,而變成一個區(qū)間,即支持度區(qū)間和置信度區(qū)間。BRBA通過將敏感規(guī)則的置信度區(qū)間下界降到指定閾值以下,來達到隱藏目的。采用阻塞模式的潛在風險是攻擊者較易識破被隱藏的敏感規(guī)則。為了防止這類風險,BRBA
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 隱私保護關(guān)聯(lián)規(guī)則挖掘.pdf
- 保護隱私的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 關(guān)聯(lián)規(guī)則挖掘中隱私保護技術(shù)研究.pdf
- 面向隱私保護的關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 隱私保護關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf
- 面向關(guān)聯(lián)規(guī)則挖掘的隱私保護.pdf
- 數(shù)據(jù)挖掘中基于關(guān)聯(lián)規(guī)則隱私保護算法的研究.pdf
- 面向關(guān)聯(lián)規(guī)則挖掘的隱私保護算法研究.pdf
- 面向外包服務的關(guān)聯(lián)規(guī)則挖掘隱私保護方法研究.pdf
- 基于RSA隱私保護的分布式關(guān)聯(lián)規(guī)則挖掘方法研究.pdf
- 保護隱私的分布式關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 垂直分布下的隱私保護關(guān)聯(lián)規(guī)則挖掘.pdf
- 關(guān)聯(lián)規(guī)則挖掘中的MapReduce并行架構(gòu)與隱私保護研究.pdf
- 隱私保護分布式關(guān)聯(lián)規(guī)則挖掘.pdf
- 分布式環(huán)境下關(guān)聯(lián)規(guī)則挖掘的隱私保護方法研究.pdf
- mba論文面向外包服務的關(guān)聯(lián)規(guī)則挖掘隱私保護方法研究pdf
- 基于遺傳算法的關(guān)聯(lián)規(guī)則隱私保護挖掘研究.pdf
- 隱私保護的分布式關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
- 基于關(guān)聯(lián)規(guī)則下的隱私數(shù)據(jù)挖掘方法.pdf
- 多參數(shù)擾動的隱私保護關(guān)聯(lián)規(guī)則挖掘算法研究.pdf
評論
0/150
提交評論