在数据挖掘产生巨大财富的同时,随之产生的就是隐私泄露的问题,如果数据使用者无法保护相关数据和知识,所采集到的数据往往和真实的数据间存在很大的差别甚至不能够完成数据采集,在这些数据上实施相应的数据挖掘工作而获得的结果必定是不精确的乃至根本是错误的。数据挖掘就会遭遇“巧妇难为无米之炊”的窘迫局面,连最好的数据挖掘方法也于事无补,隐私保护水平的高低和能否取得较为真实的数据之间有着直接的关系,进而影响到挖掘结果的实用性和可靠性。因此,如何能够在数据挖掘的过程中处理好隐私保护已经成为一个数据挖掘研究领域中亟待解决的关键性问题。　　 论文在介绍了关联规则挖掘问题的研究现状、相关技术的基础上,重点探讨了基于遗传算法的关联规则挖掘、隐私保护关联规则挖掘、分布式隐私保护关联规则挖掘等问题,并就其中的一些关键问题进行了较为深入的探讨,提出了相应的解决方案。　　 论文的主要研究工作包括以下几个方面:　　 (1)介绍了关联规则挖掘、遗传算法以及隐私保护等方面的发展现状和相关技术。　　 (2)针对遗传算法应用于关联规则挖掘中所面临的问题,对选择、交叉和变异等算子加以改进,提出一种基于自适应遗传算法的关联规则挖掘方法ARMMBAGA。　　 (3)提出了一种基于遗传算法的隐私关联规则保护算法PARPABGA,通过设置其适应度函数,将遗传算法应用于隐私保护关联规则挖掘中,有效的隐藏了敏感关联规则,提高了算法的效率。　　 (4)提出了一种基于向量点积的分布式隐私保护关联规则挖掘方法T-VDC,并在此基础上提出一种基于遗传算法的分布式隐私关联规则保护方法DPARPMBGA,在有效保护各个站点隐私数据的同时达到高效地挖掘出分布式数据库中的关联规则。