分布式环境下隐私保护频繁闭合项目集挖掘和研究.pdf

万方数据 摘 要 摘 要 随着互联网技术和数据库技术的快速发展，数据的规模不断扩大，数据量级已经 发展到 TB 甚至 PB 量级。用户如何从海量的数据中快速挖掘有用的知识的同时保证 原始输入数据的安全，是数据挖掘面临的一个新的挑战。分布式环境下隐私保护关联 规则挖掘研究是一个新的研究热点。 论文研究了关联规则挖掘技术和隐私保护技术，着重研究了分布式环境下隐私保 护频繁闭合项目集挖掘方法。主要内容包括： (1)分析关联规则挖掘技术，重点对频繁项目集挖掘算法、频繁闭合项目集挖掘 算法及分布式环境下关联规则挖掘算法进行了深入的研究和分析，为算法的进一步改 进和实现奠定基础。 (2)分析隐私保护关联规则挖掘技术，从安全性、效率以及适应的环境等方面进 行了研究。详细分析了隐私保护关联规则挖掘的研究现状，重点分析了现有的典型的 隐私保护关联规则挖掘算法的设计思想、效率和安全性。 (3)研究数据垂直分布下的隐私保护频繁闭合项目集挖掘算法，针对当前数据垂 直分布下的隐私保护关联规则挖掘算法效率低和安全性不高的问题，首先提出了一种 基于多方的隐私保护频繁闭合项集挖掘算法 PPFCI 。算法利用挖掘频繁闭合项目集代 替频繁项集，结合 IT-Tree 作为搜索空间，采用隐私保护集合交集基数协议作为隐私 * 保护技术。在此算法的基础上进一步提出了改进算法 PPFCI 算法。该算法结合 Diffsets * 作为压缩结构，可进一步加快挖掘速度、减少存储空间，提高挖掘效率。PPFCI 首次 采用隐私保护的集合差集协议保护隐私数据。两种算法中的安全集合协议均是建立在 * RSA 可交换加密的基础上。理论分析和实验结果均表明，PPFCI 算法具有很好的隐 私性、准确性和高效性。 (4)研究数据水平分布下安全挖掘频繁闭合项目集算法，提出了水平分布下隐私保 护频繁闭合项目集挖掘算法 PPFP 。该算法采用基于FP-tree 的并行算法，结合 CFI-tree 结构，提高挖掘效率。算法两次利用一种新的隐私保护安全求和协议保护隐私数据， 理论分析表明算法具有较好的安全性和效率。 关键词：隐私保护 关联规则 频繁闭合项目集 安全多方计算集合协议 I 万方数据 Abstract Abstract With the rapid development of internet technology and database technology, size of data is growing rapidly. A typical dataset might involve Terabytes or even Petabytes of data. How to mine helpful and meaningful information quickly while ensure the safety of the original input data is a new challenge for data mining. Researc