數(shù)據(jù)挖掘中的隱私保護(hù)技術(shù)研究

[摘要] 數(shù)據(jù)挖掘中的隱私保護(hù)問題近年來得到了廣泛研究。本文首先分析了在數(shù)據(jù)挖掘中進(jìn)行隱私保護(hù)的必要性，隨后對隱私保護(hù)的主要技術(shù)進(jìn)行了研究，最后指出了數(shù)據(jù)挖掘領(lǐng)域中隱私保護(hù)方法未來的主要研究方向。

[關(guān)鍵詞] 數(shù)據(jù)挖掘 隱私保護(hù) 知識發(fā)現(xiàn)

一、引言

在當(dāng)今社會(huì)，企業(yè)、政府，以及各類研究機(jī)構(gòu)所收集的海量數(shù)據(jù)已被認(rèn)為是一項(xiàng)重要的資源。如何對這些數(shù)據(jù)進(jìn)行有效分析與處理，將其轉(zhuǎn)換為對決策過程有用的各種知識，是當(dāng)前信息管理領(lǐng)域面臨的重要問題。數(shù)據(jù)挖掘，也稱為知識發(fā)現(xiàn)，主要研究如何從大規(guī)模的數(shù)據(jù)中抽取非平凡的、有潛在使用價(jià)值的知識，近年來在眾多領(lǐng)域都得到廣泛的研究與應(yīng)用。

然而數(shù)據(jù)挖掘技術(shù)在應(yīng)用過程中也出現(xiàn)了一些問題，隱私保護(hù)就是近年來所出現(xiàn)的一類重要問題。主要體現(xiàn)在兩個(gè)方面：一方面，供各種挖掘方法使用的數(shù)據(jù)庫中存儲(chǔ)了大量的敏感信息，其中有些信息是在個(gè)人無意識甚至是不知情的情況下被收集的，而網(wǎng)絡(luò)及其他媒體對信息的無限制暴露，已經(jīng)開始對個(gè)人隱私構(gòu)成嚴(yán)重威脅；另一方面，各種數(shù)據(jù)挖掘方法與工具的不斷完善，也為一些普通用戶通過不正當(dāng)手段（如對信息進(jìn)行推論）獲取他人隱私信息提供了可能。如何對數(shù)據(jù)進(jìn)行有效的挖掘，并同時(shí)保證個(gè)人的相關(guān)隱私不被泄漏，成為近年來數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn)。

二、隱私保護(hù)方法的研究維度

隱私保護(hù)技術(shù)近年來出現(xiàn)了大量的新方法和新技術(shù)。主要可以從以下的四個(gè)維度進(jìn)行研究：

1.數(shù)據(jù)分布方式。數(shù)據(jù)挖掘的數(shù)據(jù)一般可分為集中和分布式兩種，分布式數(shù)據(jù)又可以分為水平和垂直分布兩種。水平分布指數(shù)據(jù)按記錄分布在不同的站點(diǎn)，垂直分布指數(shù)據(jù)按屬性分布在不同的站點(diǎn)。不同的數(shù)據(jù)分布形式會(huì)影響隱私保護(hù)算法的設(shè)計(jì)。

2.數(shù)據(jù)修改方法。數(shù)據(jù)修改指根據(jù)組織的隱私保護(hù)政策，在發(fā)布數(shù)據(jù)之前，對原始數(shù)據(jù)進(jìn)行適當(dāng)?shù)男薷模_(dá)到保護(hù)這些數(shù)據(jù)的目的。常用的修改方法包括隨機(jī)化處理、數(shù)據(jù)加密、數(shù)據(jù)過濾和數(shù)據(jù)抽樣等。

3.數(shù)據(jù)挖掘算法。目前數(shù)據(jù)挖掘的算法主要可以分為關(guān)聯(lián)分析、序列分析、分類、聚類，以及異常檢測等幾個(gè)類別。根據(jù)這個(gè)維度，相應(yīng)的隱私保護(hù)算法也可分為這幾大類。

4.數(shù)據(jù)與規(guī)則隱藏。即隱私保護(hù)算法是隱藏原始數(shù)據(jù)還是隱藏挖掘的各種規(guī)則。由于規(guī)則大多是對數(shù)據(jù)進(jìn)行分析得到，因此各種規(guī)則比原始數(shù)據(jù)的抽象層次高、更具有價(jià)值，保護(hù)敏感規(guī)則有時(shí)比保護(hù)原始數(shù)據(jù)更重要。

三、隱私保護(hù)的主要技術(shù)

為保護(hù)敏感信息，常見的方法就是對數(shù)據(jù)進(jìn)行分片保存，對數(shù)據(jù)進(jìn)行水平分割或者垂直分割。水平分割指在每個(gè)節(jié)點(diǎn)上都保留原始數(shù)據(jù)的部分完整記錄，各節(jié)點(diǎn)數(shù)據(jù)匯總即得到完整的原始數(shù)據(jù)。垂直分割指將對象的屬性數(shù)據(jù)進(jìn)行分割，在不同的節(jié)點(diǎn)上保存對象的部分屬性數(shù)據(jù)。

對于上述兩種數(shù)據(jù)分布形式，隱私保護(hù)的數(shù)據(jù)挖掘算法要求各節(jié)點(diǎn)在不知道對方數(shù)據(jù)的基礎(chǔ)上即能完成各種挖掘任務(wù)。文獻(xiàn)[1]中實(shí)現(xiàn)了數(shù)據(jù)水平分布時(shí)的隱私保護(hù)分類挖掘算法；文獻(xiàn)[2]提出一種在數(shù)據(jù)垂直分布情況下的隱私保護(hù)分類挖掘算法；文獻(xiàn)[3]則提出一個(gè)從垂直分割的數(shù)據(jù)中挖掘全局關(guān)聯(lián)規(guī)則的隱私保護(hù)算法。

另外，對原始數(shù)據(jù)進(jìn)行抽樣、過濾或有目的的修改，也能有效保護(hù)隱私。在隱私保護(hù)中，推論問題是一個(gè)重要的研究內(nèi)容，指普通用戶使用相關(guān)的數(shù)據(jù)挖掘技術(shù)，通過不斷改變算法的參數(shù)，從結(jié)果中推斷出未經(jīng)授權(quán)的他人隱私信息。

在數(shù)據(jù)庫中建立隱私約束規(guī)則可以限制用戶發(fā)現(xiàn)或者訪問某些形式的規(guī)則，從而保護(hù)相關(guān)的隱私。使用數(shù)據(jù)抽樣方法，每次僅使用隨機(jī)得到的部分?jǐn)?shù)據(jù)參與挖掘，這樣可以避免惡意的窮舉式訪問竊取相關(guān)隱私信息。

對數(shù)據(jù)進(jìn)行隨機(jī)化修改也稱為數(shù)值變形（Value Distortion），在時(shí)間序列數(shù)據(jù)挖掘中經(jīng)常被使用。該方法對每個(gè)原始數(shù)據(jù)加上一個(gè)隨機(jī)干擾，其中服從某種統(tǒng)計(jì)分布。在此基礎(chǔ)上，使用新的數(shù)據(jù)替代進(jìn)行各種挖掘分析。由于使用數(shù)據(jù)進(jìn)行各種挖掘分析，并且普通用戶通常無法確認(rèn)隨機(jī)干擾的確切分布形式，因而該方法可有效防止對原始數(shù)據(jù)的惡意推斷。因此在時(shí)間序列數(shù)據(jù)挖掘中，提出對噪聲不敏感的挖掘算法，對于隱私保護(hù)而言同樣具有重要的意義。

四、未來的主要研究方向

1.高性能的方法：提出具有優(yōu)良性能的相關(guān)方法，包括時(shí)間性能與空間開銷，以及網(wǎng)絡(luò)開銷。

2.高準(zhǔn)確度的方法：盡可能完整地生成相應(yīng)規(guī)則，而不遺漏重要規(guī)則，并且所生成規(guī)則的準(zhǔn)確度也不應(yīng)有明顯的降低。

3.保護(hù)程度更高級的方法：應(yīng)當(dāng)具有較高的保護(hù)級別。

4.適用于分布環(huán)境的方法：隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，如何在分布式環(huán)境下進(jìn)行各種隱私保護(hù)的數(shù)據(jù)挖掘，也將是一個(gè)重要的研究方向。

參考文獻(xiàn):

[1]Lindell Y， Pinkas B. Privacy preserving data mining[C]. Proceedings of the 20th AICCAC， 2000， Santa Barbara， USA， 36–54

[2]Du W L， Zhan Z J. Building decision tree classifier on private data. Proceedings of the ICDM， 2002， Maebashi City， Japan， 1-8

[3]Vaidya J， Clifton C. Privacy Preserving Association rule mining in vertically partitioned data[C]. Proceedings of the 8th SIGKDD， 2002， Edmonton，Canada， 639-644

[4]李蒙宋翰濤:數(shù)據(jù)挖掘中隱私保護(hù)的隨機(jī)化處理方法.計(jì)算機(jī)工程與科學(xué)， 2005， 27(2): 58-59

[5]黃超朱揚(yáng)勇:基于回歸系數(shù)的時(shí)間序列維約簡與相似性查找. 模式識別與人工智能， 2006， 19(1): 52-57