分布式环境下隐私保护频繁闭合项目集挖掘研究-计算机技术专业论文.docx

摘 摘 要 I万方数据 I 万方数据 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 Abst Abstract II万方数据 II 万方数据 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. Research on privacy preserving for association rule mining in distributed environment has been a new hotspot. In this thesis, we make a research on association rule mining and privacy preserving analysis. Our focus lies in the designs of privacy preserving for frequent closed itemsets mining in distributed environment. Our main contributions are as follows: We analyze on association rule mining technology. Particularly, we dig deep into the frequent itemsets mining algorithm, frequent closed itemsets mining algorithm and association rule mining algorithm in distributed environment. The purpose of this part is to obtain solid knowledge for improving and implementing algorithms further. We analyze privacy preservi