隱私保護(hù)數(shù)據(jù)挖掘技術(shù)研究.pdf

1、隨著信息技術(shù)的高速發(fā)展,數(shù)據(jù)庫(kù)應(yīng)用的規(guī)模、范圍和深度不斷擴(kuò)大,產(chǎn)生了“數(shù)據(jù)豐富而信息貧乏”現(xiàn)象。為了解決這一問(wèn)題,人們提出了數(shù)據(jù)挖掘技術(shù)。經(jīng)過(guò)十幾年的發(fā)展,數(shù)據(jù)挖掘成為數(shù)據(jù)庫(kù)研究、開(kāi)發(fā)和應(yīng)用最活躍的分支之一并在各領(lǐng)域都取得了可喜的成果。但與此同時(shí),數(shù)據(jù)挖掘也面臨著許多問(wèn)題和挑戰(zhàn)。其中,隱私與信息安全問(wèn)題尤其得到關(guān)注。誤用、濫用數(shù)據(jù)挖掘可能導(dǎo)致用戶數(shù)據(jù)特別是敏感信息的泄漏,越來(lái)越多的人們對(duì)此表示擔(dān)憂,甚至拒絕提供真實(shí)的數(shù)據(jù)。如何在不暴露用

2、戶隱私的前提下進(jìn)行數(shù)據(jù)挖掘,一直是人們感興趣的課題。問(wèn)題的解決對(duì)實(shí)現(xiàn)安全、公平的數(shù)據(jù)挖掘有著重要的意義。 為了解決這一矛盾,人們開(kāi)始關(guān)注與研究數(shù)據(jù)挖掘中的隱私保護(hù)問(wèn)題,到目前為止已取得了一定成果,并提出了許多新的算法和思路,當(dāng)然也伴隨著不少的爭(zhēng)論。雖然已過(guò)了十多年,但仍屬于正在興起的研究領(lǐng)域。 本課題正是面向這一領(lǐng)域,重點(diǎn)研究了集中式數(shù)據(jù)的隱私保護(hù)數(shù)據(jù)挖掘問(wèn)題,主要集中于隱私保護(hù)數(shù)據(jù)挖掘算法的研究。 首先,在傳統(tǒng)

3、噪音算法的基礎(chǔ)上,提出了獨(dú)立噪音思想,并設(shè)計(jì)出獨(dú)立噪音算法。該算法通過(guò)向原數(shù)據(jù)疊加噪音來(lái)保護(hù)原始數(shù)據(jù)不被泄漏,噪音大小依據(jù)元組在數(shù)據(jù)分布中的位置獨(dú)立選擇；所使用的噪音對(duì)數(shù)據(jù)分布不造成嚴(yán)重影響,使得后期挖掘工作可以在干擾后的數(shù)據(jù)上直接進(jìn)行。實(shí)驗(yàn)證明,該算法可以在隱私保護(hù)程度與算法精度上都取得較好的結(jié)果。 接著,將概率轉(zhuǎn)移算法成功的應(yīng)用于文本挖掘,并設(shè)計(jì)出分割變換算法。該算法先通過(guò)詞條切分從原文本中分割出文本的特征詞,再仿照概率轉(zhuǎn)移