基于隐私保护的分布式聚类算法折研究-计算机应用技术专业论文.docxVIP

摘要数据挖掘技术正受到人们越来越多的关注，与此同时隐私保护问题也日益受到广大人们的重视。如何在保护自身隐私的同时进行充分的合作和数据的共享，已经成为人工智能领域的一个研究热点。本文主要针对多方合作计算问题展开了研究，目的在于使参与各方能在很好的保护自身敏感数据及数据分布情况等知识的前提下，能很好的进行相互间的协作，挖掘出基于整体数据集的知识作为参与者的共同财产。通过将数据流当中的微簇概念引入到分布式的环境中，并加入多方安全协议，我们提出了基于隐私保护的分布式聚类算法。该算法具有很小的通信消耗，较低的计算时间复杂度，然而却具有很好的安全性以及较高的准确率。考虑到信息飞速增长，各个行业内部合作逐步扩大的现实背景，文章在之前提出的基于微簇的聚类算法基础上进行了扩展，提出了增量式的隐私保护聚类算法IDPPKMeans(IncrementDistributingPrivacyProtectK-Means)，避免了由于新的数据集加入到合作系统中而引起所有数据进行重新聚类的问题。最后通过实验证明该算法具有较高的准确度，并能很好的保护数据的安全性。关键字：隐私保护，分布式，数据挖掘，微簇，安全计算AbstractAsdataminingtechniquehasbeenbecomingmoreandmore1mportantinco咖erce，asensitivequestionwhichisprivacyprotectindata毗nlng，andisalsoa饥ractmoreandmoreattentionbothofnormalpersonsresearchers．PPDM(PrivacyProtectDataMining)isahotspotofartl士_icla土intelligencenow．Inthisarticle，wemainlystudyonthemulti—securitycalculateproblem．Andthegoalistoproposeaclusteringarithmetic，whichcantheDreventeveryparticipator’ssubtleinformation，whichcontainsbothsensitivedataandtheknowledgefromdataanalyzing·Intheprivacyoiprotectdistributingclusteringarithmetic，weadopttheconceptmin-clusterfromdatastring，andjoininmulti—securityprotocols·Fromtheexperiment，thePPDCAisprovedtobewithhighaccuracy，withloWtimecomplications，andthelastbutmostimportantsecurity·Consideringtheincrementofinformationandcooperation，itisquitecommonthatsomeotherdataownersmayenterthecooperationsystem，whichmeansalltheresultsshouldbeupdate．Inordertoavoidclusteringallthedataagain，webringforwardtheIDPPKMeans(IncrementDistributingPrivacyProtectK-Means)．Atlast，theexperimentalresultsandanalyslsbearoutthearithmetichaslotsattributeswhichareneededinPPDM，suchashighaccuracy，lowtimeandcommunicationcomplications，andsecuritywithnodataorprivateknowledgeleakiness．Keyword：PrivacyProtect，Distribution，DataMining，Min—cluster，SecurityCalculation．2复旦大学硕士学位论文第一章引言1．1研究背景随着计算机技术的不断发展，上世纪九十年代互联网开始从军用的神坛上走下来，走入到普通人民生活之中，成为了联系人与人之间的一个强大的纽带。于此同时，计算机硬件的迅猛发展，为网络的普及奠定了良好的基础，也为网络中存储、流通海量的信息数据做好了物质准备。网络中每时每刻流通着大量的数据，如何从海量的数据中获取有用的信息已经成为人们所面临的一个重要课题。在没有有效的信息发掘技术支持的前提下，人们往往陷入海量的