隱私保護數(shù)據(jù)挖掘技術研究.pdf

1、隨著信息技術的高速發(fā)展,數(shù)據(jù)庫應用的規(guī)模、范圍和深度不斷擴大,產(chǎn)生了“數(shù)據(jù)豐富而信息貧乏”現(xiàn)象。為了解決這一問題,人們提出了數(shù)據(jù)挖掘技術。經(jīng)過十幾年的發(fā)展,數(shù)據(jù)挖掘成為數(shù)據(jù)庫研究、開發(fā)和應用最活躍的分支之一并在各領域都取得了可喜的成果。但與此同時,數(shù)據(jù)挖掘也面臨著許多問題和挑戰(zhàn)。其中,隱私與信息安全問題尤其得到關注。誤用、濫用數(shù)據(jù)挖掘可能導致用戶數(shù)據(jù)特別是敏感信息的泄漏,越來越多的人們對此表示擔憂,甚至拒絕提供真實的數(shù)據(jù)。如何在不暴露用

2、戶隱私的前提下進行數(shù)據(jù)挖掘,一直是人們感興趣的課題。問題的解決對實現(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,人們開始關注與研究數(shù)據(jù)挖掘中的隱私保護問題,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,當然也伴隨著不少的爭論。雖然已過了十多年,但仍屬于正在興起的研究領域。 本課題正是面向這一領域,重點研究了集中式數(shù)據(jù)的隱私保護數(shù)據(jù)挖掘問題,主要集中于隱私保護數(shù)據(jù)挖掘算法的研究。 首先,在傳統(tǒng)

3、噪音算法的基礎上,提出了獨立噪音思想,并設計出獨立噪音算法。該算法通過向原數(shù)據(jù)疊加噪音來保護原始數(shù)據(jù)不被泄漏,噪音大小依據(jù)元組在數(shù)據(jù)分布中的位置獨立選擇；所使用的噪音對數(shù)據(jù)分布不造成嚴重影響,使得后期挖掘工作可以在干擾后的數(shù)據(jù)上直接進行。實驗證明,該算法可以在隱私保護程度與算法精度上都取得較好的結(jié)果。 接著,將概率轉(zhuǎn)移算法成功的應用于文本挖掘,并設計出分割變換算法。該算法先通過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