数据挖掘研究的是如何获取海量数据中隐含的信息,这些信息不能通过常规的数据库查询、统计技术获得,由于它发现的是数据中隐含的模式和规律,如运用不当,将会泄露数据拥有者不愿公开的隐私信息。伴随着数据共享,隐私保护和数据挖掘等多重需求的增长,隐私保护数据挖掘(PPDM)的研究应运而生,并且迅速成为数据挖掘领域研究的热点之一。本文首先从隐私保护技术角度对当前较为常见的隐私保护数据挖掘方法进行简单的分析和介绍;然后着重介绍本文研究的重点——关联规则隐藏;最后针对当前关联规则保护数据挖掘研究所存在的问题,提出一种新的关联规则隐藏算法HarRFI。为保护交易数据集中的敏感规则,关联规则隐藏算法通常采用数据清洗方法对交易数据集进行处理。常用的数据清洗方法有:按照不可倒推的方法修改数据为一个新值,称为数据扰乱;用一个未知符号‘?’来代替已存在的值,称为数据阻塞;合并或抽象详细数据为更高层次的数据,以及交换和抽样技术等五种方法;数据扰乱是经常采用的数据清洗方法,但现有基于数据扰乱技术的关联规则隐藏算法,有些只考虑隐藏敏感规则,有些只能在整体上考虑如何降低删除项对非敏感规则的影响。HarRFI算法第一次在隐藏敏感规则之前,明确了哪些非敏感规则在隐藏过程中会受到影响,并且第一次从非敏感规则角度考虑如何隐藏敏感规则。它优先删除敏感交易记录中满足如下条件的项(即牺牲项):1、包含在敏感规则中;2、不包含在非敏感规则中。因为包含同一敏感规则的敏感交易中含有的非敏感规则不可能完全相同,这样使得在包含相同敏感规则的交易记录中可选定不同的牺牲项,确保删除牺牲项对非敏感规则影响最小。实验证明,在交易数据集上,相对于同类算法,如:Na?ve,MinFIA,MaxFIA和IGA,本文提出的HarRFI算法在成功隐藏敏感规则并不引入伪规则的基础上,对原数据集中的非敏感规则的影响最小。