基于关联规则的隐私保护算法研究

论文摘要

数据挖掘是从大量数据中提取或“挖掘”知识。大多数传统的关联规则挖掘是由一个用户在本地的一个单一的数据库上进行操作。随着计算机网络的不断发展，产生规则的数据往往来自于网络中不同的用户，分布式关联规则挖掘也逐步得到研究。现有的分布式关联规则挖掘需要有一个算法执行中心来收集所有的原始数据，然后执行相应的挖掘算法。有时候用户关心隐私，不愿意提供相应数据或者只提供虚假数据，从而影响了产生规则的有效性。因此，进行数据挖掘同时保护用户的隐私信息不被泄露逐步成为数据挖掘实际应用的发展方向之一。本文在综述了国内外关联规则挖掘研究成果的基础上，讨论了基于关联规则的隐私保护典型算法；并主要关注随机响应技术与关联规则的结合，给出随机响应技术中影响隐藏性的变换概率θ与挖掘算法准确性之间的关系式；计算表明，从10000个以上事务的数据集中，选取样本的数据量超过数据集10％产生的关系式，其相对误差，即用该关系式算出变换概率θ代入基于随机响应技术的挖掘算法产生的误差与希望达到的误差相比，不超过6％；并用大量计算验证在数据集规模不同的情况下，关系式准确率能达到应用的要求，表明该挖掘算法能适用于实际问题的需要。本文还提出了将随机响应技术应用于保护隐私的多维关联规则挖掘中，设计了在伪装的数据集上进行挖掘的算法，分析了算法的安全性与复杂度，并通过实验表明，该算法在伪装后的数据集上挖掘出来的规则与原规则相比，相对误差不超过5％。

论文目录

• 摘要
• Abstract
• 插图索引
• 第一章 绪论
• 1.1 关联规则概述
• 1.2 保护隐私挖掘算法的提出与现状
• 1.3 研究内容与章节结构
• 第2章 关联规则方法概述
• 2.1 关联规则的基本原理
• 2.2 关联规则的分类
• 2.3 关联规则算法
• 2.3.1 关联规则经典算法
• 2.3.2 经典关联规则算法的优化
• 2.4 关联规则价值衡量的方法
• 2.5 小结
• 第3章 保护稳私数据挖掘算法研究现状
• 3.1 隐私保护的挖掘算法
• 3.2 基于关联规则的隐私保护算法
• 3.2.1 基于关联规则隐私保护的分类
• 3.2.2 基于关联规则的隐私信息保护模型
• 3.3 小结
• 第4章 随机响应与关联规则挖掘结合
• 4.1 随机响应技术的提出
• 4.2 随机响应技术与单维关联规则挖掘算法结合
• 4.2.1 保护私有信息的布尔关联规则挖掘算法
• 4.2.2 讨论规则的准确率与变换概率θ之间关系
• 4.3 将随机响应技术和多维关联规则挖掘相结合
• 4.3.1 保护私有信息的序数型关联规则挖掘算法
• 4.3.2 算法分析
• 4.3.3 实验分析
• 4.4 小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 攻读硕士学位期间所发表的学术论文