随着网络、通信和计算机技术的迅速发展,数据挖掘呈现出数据海量化,分布式挖掘等特点,如何在挖掘过程中保护隐私数据和防止敏感信息泄露已成为当前面临的重大挑战,隐私保护数据挖掘(PPDM)也已经成为数据挖掘(DM)领域的一个重要课题。关联规则挖掘是应用最为广泛的数据挖掘方法之一。本文对分布式环境下关联规则挖掘的隐私保护方法进行研究,目的就是在最大化地挖掘出数据库中潜藏的知识的同时保护数据隐私。本文从敏感数据的保护和敏感知识的保护两个方面,介绍了数据挖掘中常用的隐私保护技术;在概述了数据挖掘技术的基础上,重点介绍了分布式关联规则挖掘的原理和流行的算法,分析了各种算法的优缺点。在此基础上,本文针对分布式关联规则挖掘中敏感知识的保护进一步做了以下研究工作:(1)对于水平划分的数据集,设计了一种在本站点隐藏敏感规则的数据清洗算法。该算法在对本站点的数据集做最小改动的基础上,实现了对本站点数据集中敏感规则的完全隐藏,较大程度地保证了全局挖掘结果的准确性和对敏感规则的隐藏效果。此外,还采用RSA加密与同态加密相结合的加密方案对各个站点之间传送的频繁项集信息进行加密,该方案综合考虑了数据加密的安全性和加密算法的高效性,达到了效率与安全的平衡。(2)对于垂直划分的数据集,分布式关联规则挖掘的隐私保护的关键在于安全地计算全局频繁项集。本文提出一种新的安全求项集支持度的协议,该协议可以在准确地求出项集的支持度的同时不泄露各个站点的私有信息。(3)对文中设计的相关算法做了实验,实验结果表明这些算法具有较好的隐私保护性、准确性和高效性。论文在分布式环境下关联规则挖掘的隐私保护方面做了有益的工作。