基于隱私保護(hù)聚類的分析與研究.pdf

1、隱私保護(hù)是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)重要的研究方向，其目的是如何在不泄露私有數(shù)據(jù)的前提下，使用數(shù)據(jù)挖掘工具得到精確的挖掘結(jié)果。為了有效地保護(hù)分布式環(huán)境下的隱私，研究人員已經(jīng)提出了一些隱私保護(hù)算法，包括水平分布數(shù)據(jù)和垂直分布數(shù)據(jù)，但隱私保護(hù)的聚類算法少，且算法復(fù)雜度較高、效率低、大多基于k—means算法，僅限于兩方或第三方是完全誠(chéng)信方，數(shù)據(jù)安全性和可靠性難以滿足用戶需求。 隱私保護(hù)數(shù)據(jù)挖掘常用的方法主要有兩種：安全多方計(jì)算和數(shù)據(jù)擾亂。安

2、全多方計(jì)算以安全協(xié)議為基礎(chǔ)，構(gòu)造分布式環(huán)境下隱私保護(hù)算法，安全高效的隱私保護(hù)協(xié)議是安全多方計(jì)算方法的基礎(chǔ)；而數(shù)據(jù)擾亂通過(guò)改變?cè)紨?shù)據(jù)的分布來(lái)隱藏真實(shí)數(shù)據(jù)的值，高挖掘精度和隱私保護(hù)度是其追求目標(biāo)。本文分別使用安全多方計(jì)算和數(shù)據(jù)擾亂方法，對(duì)以上提到的不足之處進(jìn)行了一些改進(jìn)，主要貢獻(xiàn)如下： 1、結(jié)合k—means聚類算法和層次聚類算法的優(yōu)點(diǎn)，構(gòu)造層次—k—means聚類算法，有效克服了k—means算法因隨機(jī)選取聚類中心造成聚類結(jié)果不

3、確定的缺陷。 2、構(gòu)造求距離、求聚類中心及標(biāo)準(zhǔn)化等安全協(xié)議，提出半誠(chéng)實(shí)模型下基于聚類特征樹(shù)結(jié)構(gòu)的水平分布數(shù)據(jù)隱私保護(hù)的層次—k—means聚類算法。由數(shù)據(jù)方和第三方共同參與解決了半誠(chéng)實(shí)模型下水平分布數(shù)據(jù)多方隱私保護(hù)的層次—k—means聚類問(wèn)題。理論證明和實(shí)例分析表明了提出的算法的安全性和有效性。 3、構(gòu)造安全比較協(xié)議，并以安全標(biāo)準(zhǔn)化及安全比較協(xié)議為基礎(chǔ)，提出半誠(chéng)實(shí)模型下水平分布數(shù)據(jù)隱私保護(hù)的DBSCAN。理論證明和實(shí)例