基于数据扰动隐私保持分类挖掘方法.docVIP

基于数据扰动隐私保持分类挖掘方法 　　摘 要:在目前已有的基于数据扰动的隐私保持的分类挖掘方法中,分类算法必须经过改造方可应用于扰动后数据。而且扰动方法不同,使用的分类算法不同,对分类算法进行改造的方法也就不同。这使得该类方法难以在实际中推广应用。本文针对这一问题,提出了一种新的基于数据扰动的隐私保持的分类挖掘方法。通过生成并公开一组与原始数据独立同分布的新数据的方法来实现数据扰动。由于新数据与原始数据独立,因此从新数据得不到关于原始数据的详细信息。由于新数据与原始数据同分布,因此普通的分类挖掘算法可以直接应用于新数据,从而解决了现有方法使用不方便的问题。 　　关键词:数据挖掘隐私保护数据扰动 　　中图分类号:S126 文献标识码:A 文章编号:1007-9416(2010)09-0053-01 　　 　　1 引言 　　数据挖掘旨在从海量数据中发现人们难以察觉却又感兴趣的知识。一般的数据挖掘技术都假定数据是可以直接得到的,这在实际中并不一定成立。实际中出于隐私保护的需要,有可能需要在得不到精确数据的前提下进行挖掘,即需要进行隐私保持的数据挖掘[1]。 　　隐私保持的数据挖掘目前已经成为数据挖掘研究的热点之一。它的首要任务是开发在得不到精确数据的前提下进行挖掘的方法。分类是数据挖掘的重要研究内容之一。目前已有的隐私保持的分类挖掘方法主要有两类。一类是基于安全多方计算的