基于隱私保護的分布式聚類算法研究.pdf

1、數(shù)據(jù)挖掘技術(shù)在發(fā)現(xiàn)規(guī)律和知識的同時也暴露了一些隱私信息，隱私保護因此成為數(shù)據(jù)挖掘過程中需要研究的重要問題，其目標是在不訪問真實原始數(shù)據(jù)的條件下，能得到正確的數(shù)據(jù)挖掘結(jié)果。聚類分析是數(shù)據(jù)挖掘領(lǐng)域的一項重要研究內(nèi)容，它在金融、電信、保險業(yè)、市場營銷、異常檢測、網(wǎng)絡(luò)安全、科學(xué)決策等方面具有十分重要的應(yīng)用價值。由于網(wǎng)絡(luò)帶寬、站點存儲量、信息安全及隱私保護等限制，需要進行分布式聚類。本文將探討分布式聚類過程中的隱私保護問題，研究基于隱私保護的分布

2、式聚類算法，主要創(chuàng)新點如下。
　　 1.針對水平劃分的分布式數(shù)據(jù)庫，提出了一種基于隱私保護的分布式聚類算法PPDK-Means，該算法基于K-Means的思想實現(xiàn)分布式聚類，并且聚類過程中引入半可信第三方，應(yīng)用安全多方技術(shù)保護本站點真實數(shù)據(jù)不被傳送到其他站點，從而達到隱私保護的目的。理論分析和實驗結(jié)果表明PPDK-Means算法是有效的。
　　 2.針對垂直劃分的分布式數(shù)據(jù)庫，提出了一種基于隱私保護的分布式聚類算法PPD

3、C_VP，該算法基于K-Means的思想實現(xiàn)分布式聚類，并且聚類過程中應(yīng)用擾亂技術(shù)保護本站點真實信息不被傳送到其他站點，從而達到隱私保護的目的。理論分析和實驗結(jié)果表明PPDC_VP 算法是有效的。
　　 3.對基于密度的分布式聚類算法DBDC進行改進，提出了一種基于密度的分布式隱私保護聚類算法DBPPDC。在由局部模型確定全局模型時，通過相關(guān)安全協(xié)議有效地保護了局部模型，同時不影響全局聚類。在利用全局模型更新局部模型時，通過改進