频繁项集挖掘是近些年来数据库领域和数据挖掘领域一个被广泛研究的课题,频繁项集挖掘中存在一个显著的问题:如果原始数据集中包含个人的隐私信息,那么发布频繁项集可能会导致攻击者利用频繁项集去获取个人的隐私信息。支持差分隐私的频繁项集挖掘算法(DPFP-Growth)为数据集提供了一种高效率,高可用性,高隐私保护能力的频繁项集挖掘方案。DPFP-Growth构造了一个新的树结构(TFP树)去更方便的保护树节点中的隐私信息,在构造树之前利用指数差分的方法去截断事务使得树的高度降低从而增加可用性。在构造完TFP树之后,根据TFP树和FP树的结构特点,DPFP-Growth将TFP树转换成一颗FP树。由于转换完的FP树的部分节点可能会违背FP树的一致性规则,DPFP-Growth利用最小二乘问题的模型去解决违背FP树一致性规则的问题。在调整完之后DPFP-Growth利用FP-Growth算法从FP树中挖掘出频繁项集。实验结果表明,相比于以往的支持差分隐私的频繁项集挖掘方法,DPFP-Growth具有更高的效率,并且挖掘结果具有更高的可用性。通过与向FP树直接添加噪声的差分隐私处理方法进行比较,结果显示DPFP-Growth的挖掘结果具有更高的可用性。同时将DPFP-Growth隐私处理手段应用到代表性项集挖掘中,结果显示DPFP-Growth的隐私处理方法在挖掘代表性项集的过程中也能保证较高的效率和较好的可用性。