论文部分内容阅读
数据挖掘技术是一种新的信息处理技术,其主要特点是对数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助企业决策的关键性数据。伴随着越来越强大的数据挖掘工具的开发和投入使用,越来越多的数据挖掘需要多方合作,而合作各方的数据常常分布在不同的站点,从属于不同的组织或机构。在进行协同工作完成全局性的数据挖掘任务时,合作各方希望获取共同挖掘的结果,但是往往不愿共享自己存储的隐私数据。因此,隐私保护数据挖掘(PPDM,Privacy-preserving Data Mining)技术应运而生,成为数据挖掘领域中一个极其重要且富有挑战性的课题。
当前,保护隐私的数据挖掘主要有两种方法,即随机化方法和基于密码学的方法。随机化方法是改变原始数据,通过添加噪音或者随机改变数据来隐藏原始数据,该方法主要用于集中分布的数据;基于密码学的方法是对原始数据及中间计算结果进行加密,主要用于分布式数据挖掘。
本文首先分析了隐私保护数据挖掘算法的产生背景和研究现状,根据数据挖掘任务及数据分布的不同,分别深入阐述了当前主要的隐私保护数据挖掘算法。
然后,通过对关联规则、分类和聚类等算法的分析,指出了当前隐私保护数据挖掘算法的不足之处,主要包括三个方面:(1)早期的研究主要关注两方合作的情形。(2)早期的许多研究引入可信第三方参与到计算过程中。(3)当前的研究大多基于半忠诚模型,而恶意模型为更接近现实、更为一般的情形。本文针对分布式数据模型(数据垂直分布及数据水平分布)提出了一种有效的基于安全多方计算的隐私保护数据挖掘算法,并将其应用于朴素贝叶斯分类及关联规则的数据挖掘过程。该算法通过语义安全的同态加密系统及数字信封等技术,可得到准确的挖掘结果,同时实现隐私数据的有效保护;通过门限密码等技术实现防止参与方之间的合谋。此外,对算法进行形式化分析,将其与Justin Zhan设计的隐私保护数据挖掘算法进行对比,证明其准确性及高效性。
最后,模拟了本文设计的隐私保护数据挖掘算法在医学研究中的应用。
全文共分六章,具体结构为:
第1章绪论
介绍数据挖掘的基本知识和隐私保护数据挖掘的概念,简述隐私保护数据挖掘产生的背景、研究现状、隐私保护数据挖掘算法的分类标准及质量度量标准。
第2章基本概念与基本技术
本章阐述了隐私保护数据挖掘研究中的一些基本概念和基本技术,主要包括隐私的定义、数据分布方式、同态加密、安全多方计算、安全模型、门限密码及数字信封等技术。
第3章隐私保护数据挖掘算法分析
按照数据挖掘任务及数据分布的不同,对当前隐私保护数据挖掘研究中具有代表性的算法进行深入分析,主要包括隐私保护的关联规则挖掘、隐私保护分类挖掘、及隐私保护聚类挖掘。在本章最后总结了当前隐私保护数据挖掘研究存在的不足之处。
第4章基于安全多方计算的隐私保护数据挖掘算法
针对当前隐私保护数据挖掘算法存在的局限性,提出了一种新的基于安全多方计算的隐私保护数据挖掘算法,并且用形式化的方法证明该算法是切实可行且高效的。
第5章隐私保护数据挖掘技术在医学研究中的应用
以简单的例子模拟了本文设计的隐私保护数据挖掘算法在医学研究中的应用。该算法可以同时满足医学上对数据安全性和结果准确性的要求。
第6章总结与展望
总结全文,对所提算法的不足之处和未来工作进行总结,并对下一步的研究和应用做出展望。