面向数据挖掘的隐私保护算法研究

作     者：郑少飞 

作者单位：南京邮电大学 

学位级别：硕士

导师姓名：李玲娟

授予年度：2011年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

主      题：隐私保护 数据挖掘 频繁模式 

摘      要：随着计算机处理能力、数据库技术和互联网技术的发展,越来越多的信息被搜集起来以数字形式进行存储,运用数据挖掘技术能够有效地对这些数据进行分析和处理,从中发现有价值的能辅助决策和理解的信息。但在数据挖掘技术应用于如金融、通信、医学等诸多专业领域的过程中,个人或是企业隐私信息泄露的现象时有发生,如何在防止隐私泄露的前提下进行数据挖掘变成了一个急待解决的问题。因此,面向数据挖掘的隐私保护技术和各种算法的研究成为了数据挖掘领域和信息安全领域的研究热点之一。 面向数据挖掘的隐私保护算法针对数据挖掘中隐私泄露问题,通过对被挖掘的原始数据集进行处理,防止隐私信息在数据挖掘过程中的泄露。 本文对面向数据挖掘的隐私保护算法进行了研究,重点研究了面向频繁模式挖掘的隐私保护算法。论文综述了隐私、隐私保护和数据挖掘的概念;分析了面向数据挖掘的隐私保护的概念和特点;介绍了现有的面向数据挖掘的隐私保护算法的分类方法,并从数据处理技术的角度对现有的算法进行了归纳,给出了分析评价算法的标准并对现有的算法进行了分析评价;较为深入地分析了基于数据清洗的面向频繁模式挖掘的隐私保护算法;提出了一种基于增加噪声的频繁模式挖掘隐私保护算法,该算法解决了增加噪声方式中的两个核心问题:噪声事务量的计算和噪声事务的生成;最后,设计了一个实验,验证了本文提出的面向频繁模式挖掘的隐私保护算法的有效性,并在同一实验平台下,将之与基于数据净化的频繁模式挖掘隐私保护算法的时间和空间效率进行了对比。 论文在面向数据挖掘的隐私保护方面做了有益的研究工作。