数据挖掘目前是数据库研究中最活跃的分支之一,不论科学研究还是商业应用,数据挖掘都取得了可喜的成果。但与此同时,数据挖掘也面临着很多问题的挑战。其中,数据挖掘的个人隐私与信息安全问题尤其得到关注。误用、滥用数据挖掘可能导致用户数据特别是敏感信息的泄漏,越来越多的人们对此表示担忧,甚至拒绝提供真实的数据。如何在不暴露用户隐私的前提下进行数据挖掘,也就成了人们非常感兴趣的课题。本文首先综述了国内外隐私保护研究的成果,并从数据分布角度分析了现有典型的隐私保护算法。接着是本文研究的主要内容:1.在关联规则挖掘中引入随机化技术对隐私信息进行保护:首先是将随机响应技术与关联规则结合,并用实验对相关算法进行了仿真,然后是将随机扰动技术应用到隐私保护挖掘中来,并对传统的随机扰动隐私保护算法进行了改进,接着用实验分析了算法的正确与有效性。2.在聚类中分析了基于矩阵变换的隐私保护技术。对相关矩阵变换隐私保护算法进行改进,提出了基于等距变换的隐私保护算法,之后利用相关试验进行仿真,并对相关结果进行分析,验证了提出的算法能在保护隐私的同时聚类结果不会发生改变。本文最后是对工作的总结与展望,今后将在正交变换基础上实现隐私保护、适应多种数据集及加密部分数据等方面做进一步研究,最终形成完整的隐私保护数据分析模型。