關(guān)聯(lián)規(guī)則挖掘中的隱私保護(hù)方法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)可以幫助用戶從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的未知知識(shí)。然而，它的不當(dāng)使用也可能帶來(lái)暴露隱私的風(fēng)險(xiǎn)。尤其是當(dāng)數(shù)據(jù)需要在不同機(jī)構(gòu)之間共享時(shí)，共享數(shù)據(jù)中可能會(huì)包含與數(shù)據(jù)所有者切身利益相關(guān)的敏感知識(shí)，如個(gè)人的私密信息、商業(yè)策略、關(guān)系到公司利益的盈利模式、或其他政策不允許公開的敏感知識(shí)等。如果數(shù)據(jù)接收者利用數(shù)據(jù)挖掘技術(shù)從共享數(shù)據(jù)中發(fā)現(xiàn)了這類敏感知識(shí)，可能會(huì)對(duì)數(shù)據(jù)所有者構(gòu)成安全威脅。因此，在共享數(shù)據(jù)之前有必要對(duì)其中的敏感知識(shí)進(jìn)行保護(hù)，同時(shí)盡可能

2、的保障正常挖掘需要。
　　本文主要研究關(guān)聯(lián)規(guī)則挖掘中的隱私保護(hù)問(wèn)題，這一領(lǐng)域的研究工作分為兩類：一類是對(duì)敏感數(shù)據(jù)本身的保護(hù)，另一類是對(duì)數(shù)據(jù)中包含的敏感規(guī)則的保護(hù)，即關(guān)聯(lián)規(guī)則隱藏。本文工作致力于解決與后者相關(guān)的問(wèn)題。對(duì)數(shù)據(jù)中包含的敏感規(guī)則進(jìn)行保護(hù)的一般策略是，通過(guò)修改部分?jǐn)?shù)據(jù)，來(lái)降低敏感規(guī)則的顯著性，使它們從數(shù)據(jù)挖掘的角度不會(huì)被發(fā)現(xiàn)。然而，數(shù)據(jù)修改會(huì)產(chǎn)生副作用，包括誤隱藏部分非敏感規(guī)則，產(chǎn)生原數(shù)據(jù)庫(kù)中不存在的虛假規(guī)則，以及對(duì)原始數(shù)據(jù)

3、造成一定程度的破壞或扭曲。關(guān)聯(lián)規(guī)則隱藏問(wèn)題的挑戰(zhàn)性在于，如何在保護(hù)敏感知識(shí)的同時(shí)，盡可能的減少這些副作用的產(chǎn)生。
　　本文從不同的角度探索了關(guān)聯(lián)規(guī)則挖掘中的敏感知識(shí)保護(hù)問(wèn)題的解決途徑，提出了若干關(guān)聯(lián)規(guī)則隱藏的新方法。本文將對(duì)這些新提出的方法進(jìn)行詳細(xì)描述和討論分析，并對(duì)它們的求解質(zhì)量進(jìn)行了實(shí)驗(yàn)評(píng)測(cè)。主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　首先，從多目標(biāo)優(yōu)化的角度研究關(guān)聯(lián)規(guī)則隱藏問(wèn)題?，F(xiàn)有的大多數(shù)關(guān)聯(lián)規(guī)則隱藏方法利用問(wèn)題的某些局部特

4、征降低某一方面的副作用，未能對(duì)隱藏過(guò)程中產(chǎn)生的各類副作用做全面考慮，這些方法在大多數(shù)情況下只能獲得問(wèn)題的局部最優(yōu)解。并且，不同的副作用之間存在折衷關(guān)系，同時(shí)最小化會(huì)產(chǎn)生沖突，然而這一重要事實(shí)卻被長(zhǎng)期忽視。本文提出了基于多目標(biāo)優(yōu)化的隱藏方法EMO-RH，它可在隱藏敏感規(guī)則的同時(shí)，全面降低伴隨的各類副作用，找到問(wèn)題的全局最優(yōu)解或近似最優(yōu)解。實(shí)驗(yàn)證實(shí)，不同的副作用之間是存在折衷關(guān)系的，EMO-RH可以有效的減少各類副作用的產(chǎn)生。EMO-RH魯

5、棒性好，并且運(yùn)行一次可以生成多個(gè)最優(yōu)解，反映了優(yōu)化目標(biāo)之間的不同程度的折衷關(guān)系，用戶可以依據(jù)自己偏好從中選擇一個(gè)滿意解。
　　為了利用啟發(fā)式算法計(jì)算效率高，可擴(kuò)展性好的優(yōu)點(diǎn)，本文提出了一種新的啟發(fā)式關(guān)聯(lián)規(guī)則隱藏方法——Relevance-soring算法。它通過(guò)刪除項(xiàng)來(lái)將敏感規(guī)則的支持度或置信度降低到閾值以下，以達(dá)到隱藏目的。為了減少副作用，Relevance-sorting算法利用事務(wù)與它所包含的非敏感模式之間的關(guān)系來(lái)計(jì)算相關(guān)度

6、，選出待修改的候選事務(wù)。實(shí)驗(yàn)證實(shí)，相比于同類方法，Relevance-sorting算法可以有效的減少被誤隱藏的非敏感規(guī)則。
　　本文在理論方面也做了一定的探索性研究。通過(guò)分析副作用產(chǎn)生的原因，提出了基于“邊界規(guī)則”的概念和相關(guān)理論，并設(shè)計(jì)了基于邊界規(guī)則的隱藏方法BRDA。數(shù)據(jù)庫(kù)中大部分關(guān)聯(lián)規(guī)則與副作用的產(chǎn)生無(wú)關(guān)，只有少部分規(guī)則容易受到數(shù)據(jù)修改操作的影響而演變成副作用。本文通過(guò)定義正邊界規(guī)則和負(fù)邊界規(guī)則的概念，將這類處于臨界狀態(tài)，

7、容易受到影響而演變?yōu)楦弊饔玫囊?guī)則提取出來(lái)，分析其相關(guān)性質(zhì)。正邊界規(guī)則非常容易受數(shù)據(jù)修改影響而被隱藏，每一個(gè)被誤隱藏的非敏感規(guī)則都來(lái)自于正邊界規(guī)則；而負(fù)邊界規(guī)則雖不是強(qiáng)關(guān)聯(lián)規(guī)則，但很容易受數(shù)據(jù)修改影響而變成強(qiáng)關(guān)聯(lián)規(guī)則，每一個(gè)虛假規(guī)則都來(lái)自于負(fù)邊界規(guī)則。BRDA算法利用事務(wù)與邊界規(guī)則的關(guān)系選擇候選集進(jìn)行修改。實(shí)驗(yàn)結(jié)果表明，BRDA算法可以非常有效的降低副作用。
　　本文也對(duì)基于數(shù)據(jù)阻塞的關(guān)聯(lián)規(guī)則隱藏模式進(jìn)行了研究，并提出了采用阻塞模式

8、隱藏規(guī)則的新算法BRBA。不同于前面幾種方法所采用的數(shù)據(jù)扭曲模式，數(shù)據(jù)阻塞模式不會(huì)在數(shù)據(jù)庫(kù)中引入錯(cuò)誤信息。對(duì)于發(fā)布的數(shù)據(jù)，用戶可清晰的區(qū)分哪些數(shù)據(jù)項(xiàng)未被修改過(guò)，這在某些應(yīng)用領(lǐng)域尤為必要。在阻塞模式下，關(guān)聯(lián)規(guī)則的支持度或置信度不再是單一的確定值，而變成一個(gè)區(qū)間，即支持度區(qū)間和置信度區(qū)間。BRBA通過(guò)將敏感規(guī)則的置信度區(qū)間下界降到指定閾值以下，來(lái)達(dá)到隱藏目的。采用阻塞模式的潛在風(fēng)險(xiǎn)是攻擊者較易識(shí)破被隱藏的敏感規(guī)則。為了防止這類風(fēng)險(xiǎn)，BRBA