關(guān)聯(lián)規(guī)則挖掘中的隱私保護方法研究.pdf

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