基于泛化樹的k-匿名數(shù)據(jù)集的挖掘算法研究.pdf

1、目前，很多機構(gòu)都以k-匿名的形式來發(fā)布數(shù)據(jù)。k-匿名隱私保護模型也越來越多的應(yīng)用于各個領(lǐng)域。k-匿名數(shù)據(jù)是一種特殊的不確定性數(shù)據(jù)，它的元組泛化成每個可能性世界實例的概率是相等的，并且有k條元組的準標識符都是相同的，外界攻擊者很難通過外表的連接來對數(shù)據(jù)進行攻擊，所以k-匿名隱私保護模型能很好的保護用戶的隱私。但是也由于它的特殊性，這種數(shù)據(jù)的可用性也就大大降低了，即使使用了最優(yōu)化的k-匿名算法，也不可能產(chǎn)生令人滿意的完全精確的數(shù)據(jù)，因此，不

2、僅要在k-匿名算法上來做文章，更亟需找出一種可以對這類數(shù)據(jù)進行數(shù)據(jù)挖掘的方法來提高k-匿名數(shù)據(jù)的可用性。
　　 數(shù)據(jù)的世系描述了數(shù)據(jù)的產(chǎn)生及變化的過程，它應(yīng)用于數(shù)據(jù)挖掘、數(shù)據(jù)核查、數(shù)據(jù)恢復(fù)和引用等很多領(lǐng)域。k-匿名數(shù)據(jù)是由確定值根據(jù)相應(yīng)的泛化樹派生出來的，因此，k-匿名數(shù)據(jù)的世系包含泛化樹及派生規(guī)則，它描述了靜態(tài)數(shù)據(jù)源（即原始表）通過泛化樹進行演化，最終得到k-匿名表的過程。通過對k-匿名數(shù)據(jù)生成過程的分析，每一個k-匿名表都是

3、原始數(shù)據(jù)表通過特定的泛化樹泛化而來的，提出了泛化樹的形式化定義，并在這個基礎(chǔ)上，從一個數(shù)據(jù)接收者角度對泛化樹做出了分析，提出了泛化樹的構(gòu)造算法，使接收者能夠更方便有效的對數(shù)據(jù)進行挖掘分析工作。
　　 關(guān)聯(lián)規(guī)則挖掘算法是數(shù)據(jù)挖掘中一個基礎(chǔ)的、重要的方法，它的目的是在大量數(shù)據(jù)中發(fā)現(xiàn)項集之間的有趣的聯(lián)系。現(xiàn)在很多研究學(xué)者對不確定性數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘算法都已經(jīng)有了一定的研究成果，產(chǎn)生了不少優(yōu)秀的算法，但是，這些算法往往都是在元組還原成可

4、能世界實例的概率不等的基礎(chǔ)上提出的，并不適用于k-匿名這種特殊的不確定性數(shù)據(jù)，為了解決這個問題，把k-匿名數(shù)據(jù)的世系應(yīng)用到挖掘中去，提出了針對k-匿名數(shù)據(jù)的挖掘算法基于泛化樹的關(guān)聯(lián)規(guī)則挖掘算法。它包括了k-項集的期望支持度算法和置信度算法，前者用于找到頻繁項集，后者用于產(chǎn)生強關(guān)聯(lián)規(guī)則。
　　 該算法與傳統(tǒng)的確定或不確定數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘算法相比，對于處理k-匿名數(shù)據(jù)，在時間復(fù)雜度上有了極大的改善，提高了挖掘效率。實驗結(jié)果表明，文