保護(hù)隱私的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)研究.pdf

1、互聯(lián)網(wǎng)的飛速發(fā)展使得網(wǎng)絡(luò)中數(shù)據(jù)的共享和交換行為出現(xiàn)得越來越頻繁.一方面,政府部門、商務(wù)機(jī)構(gòu)以及其他的一些組織希望能夠充分地利用共享數(shù)據(jù)并從中受益；另一方面,隱私的存在及對(duì)隱私的保護(hù)性關(guān)注又在很大程度上限制了數(shù)據(jù)的共享范圍.保護(hù)隱私的分布式數(shù)據(jù)挖掘由此應(yīng)運(yùn)而生.本文重點(diǎn)研究了保護(hù)隱私情況下的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法,并取得了如下成果: 系統(tǒng)分析了已有的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)方法,并結(jié)合安全多方計(jì)算的概念、協(xié)議和常用算法,提出了從同構(gòu)分布或異構(gòu)分

2、布的數(shù)據(jù)中,保護(hù)隱私地學(xué)習(xí)貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù),為實(shí)現(xiàn)保護(hù)隱私的分布式數(shù)據(jù)挖掘提供了新思路. 針對(duì)同構(gòu)完整數(shù)據(jù)條件下保護(hù)隱私的貝葉斯網(wǎng)絡(luò)學(xué)習(xí),提出并實(shí)現(xiàn)了PPHC-TPDA方法.該方法使用相關(guān)性分析思路進(jìn)行結(jié)構(gòu)學(xué)習(xí),按照有向邊安全統(tǒng)計(jì)協(xié)議,統(tǒng)計(jì)各站點(diǎn)得到的結(jié)構(gòu)邊；然后取局部互信息算術(shù)平均值作為全局的互信息,并應(yīng)用到學(xué)習(xí)過程中.實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的性能和效率. 針對(duì)異構(gòu)完整數(shù)據(jù)條件下保護(hù)隱私的貝葉斯網(wǎng)絡(luò)學(xué)習(xí),提出并實(shí)

3、現(xiàn)了PPVC-SMDL方法.該方法基于MDL算法的連續(xù)搜索版本,利用多向量點(diǎn)積份額協(xié)議計(jì)算多向量點(diǎn)積和結(jié)構(gòu)熵,并將其應(yīng)用到網(wǎng)絡(luò)的構(gòu)建過程中.在學(xué)習(xí)結(jié)構(gòu)的同時(shí),獲得網(wǎng)絡(luò)參數(shù).與已有方案相比,該方法具有更高的安全性、精確性、適用性和學(xué)習(xí)效率. 針對(duì)同構(gòu)不完整數(shù)據(jù)條件下保護(hù)隱私的貝葉斯網(wǎng)絡(luò)學(xué)習(xí),提出并實(shí)現(xiàn)了基于EM算法框架的PPHI-EM方法.該方法交替進(jìn)行當(dāng)前候選模型的參數(shù)優(yōu)化迭代和搜索模型的迭代,取局部打分函數(shù)值的權(quán)和作為全局打分