数据挖掘的任务,就是从海量数据中,发现其中有用的信息。利用有价值信息可以指导人们的生产与生活,以此产生较大经济价值。随着科技的发展,人们也越来越重视从数据库中发现和挖掘信息与知识。在利用数据挖掘技术和工具给人们提供知识和信息的同时,人们也逐渐的发现了随之带来严重的弊端,挖掘过程中极有可能暴露重要的私有信息。在这样的情况下,如何保护私有数据或敏感信息在数据挖掘过程中不被泄露,同时又能够得到较为准确的挖掘结果,已经成为数据挖掘领域中一个很有意义的研究课题。　　目前,关于数据挖掘中隐私数据保护的算法大多应用于决策树挖掘,关联规则挖掘,聚类挖掘等方面。本文着重地对基于关联规则的隐私保护算法进行分析,主要关注随机响应技术与关联规则的结合,讨论了变换参数与挖掘算法准确性之间的关系。　　本文在隐私保护的关联规则挖掘领域做了以下三个方面的研究:　　一是在随机响应技术方面,基于随机数的特性,经分析和比较两种产生随机数的方法,比较得出混沌映射法相对于线性同余法在均匀性方面相对较优。将混沌映射法产生的随机数引入伪装原始数据集,便于提高隐私保护的性能。　　二是对关联规则挖掘算法进行详细分析和分类,深入分析Apriori算法的特性,并证明了Apriori算法的各种属性和定理,充分依据相应属性,改进了Apriori算法,减少扫描数据库的次数和产生候选项的项数,节约了算法运行时间,比原有算法提高了的效率。　　三是基于随机响应技术与关联规则的结合,讨论了随机响应技术中影响隐藏性的变换概率?与挖掘算法准确性之间的关系式,从理论上分析了这一关系式的合理性。同时还从理论上分析?与事物数据集规模大小的关系。经实验结果与理论分析结论基本一致。