基于隱私保護(hù)的數(shù)據(jù)挖掘技術(shù)研究

楊銘 李春光

摘 要：隨著信息技術(shù)的不斷發(fā)展，人們對潛在知識的需求愈發(fā)強(qiáng)烈，數(shù)據(jù)挖掘技術(shù)的出現(xiàn)順應(yīng)了社會的發(fā)展。但是每樣新事物都有利有弊，目前人們在進(jìn)行知識挖掘過程中，隱私保護(hù)問題就變得日益突出。調(diào)查顯示，目前個人隱私信息被泄露甚至被盜用現(xiàn)象嚴(yán)重，因此在數(shù)據(jù)挖掘領(lǐng)域，對基于隱私保護(hù)技術(shù)的研究顯得尤為重要。本文介紹了數(shù)據(jù)挖掘的基本概念和常用的算法，詳細(xì)說明了基于隱私保護(hù)的數(shù)據(jù)挖掘技術(shù)中的概化 / 隱匿技術(shù)。

關(guān)鍵詞：隱私保護(hù)；算法；數(shù)據(jù)挖掘

1 數(shù)據(jù)挖掘簡介

數(shù)據(jù)挖掘（Data Mining，DM）一般是指通過算法搜索從大量的數(shù)據(jù)中查找隱藏于其中信息的過程，也可以稱為在數(shù)據(jù)庫中進(jìn)行知識發(fā)現(xiàn)的過程（Knowledge Discovery in Database， KDD）。數(shù)據(jù)挖掘可以理解為從海量、趨勢不明顯、繁雜的數(shù)據(jù)中經(jīng)過一系列的歸納提煉后，提取或“挖掘”知識的過程，其流程如圖所示。目前，數(shù)據(jù)挖掘已經(jīng)被廣泛應(yīng)用于社會各個領(lǐng)域，如股票分析、醫(yī)學(xué)研究、工程設(shè)計、生產(chǎn)控制、金融管理、科學(xué)探索等。

目前常用的數(shù)據(jù)挖掘算法有決策樹、關(guān)聯(lián)規(guī)則、聚類分析、統(tǒng)計分析、粗糙集等。

1.1 決策樹

決策樹它是一種典型的分類方法 它主要應(yīng)用于分類挖掘。該算法首先對數(shù)據(jù)進(jìn)行處理，利用歸納算法生成可讀的規(guī)則和決策樹，然后對決策樹進(jìn)行剪技，使用決策對新數(shù)據(jù)進(jìn)行分析。本質(zhì)上決策樹是通過一系列規(guī)則對數(shù)據(jù)進(jìn)行分類的過程。

1.2 粗糙集

粗糙集近年來越來越受到重視 ，該算法適合處理數(shù)據(jù)量大、不完備、不一致的數(shù)據(jù)，它是一種處理不確定性的數(shù)學(xué)工具，有著廣闊的發(fā)展空間和應(yīng)用前景。

1.3 聚類分析

聚類是將數(shù)據(jù)分為多個數(shù)據(jù)集合，每個數(shù)據(jù)集合中的數(shù)據(jù)具有較高的相似度，不同的數(shù)據(jù)集合間則差別甚遠(yuǎn)。該算法是利用相似度的差別最大限度的發(fā)現(xiàn)某種存在的潛在規(guī)則。聚類分析是數(shù)據(jù)挖掘中的一個很活躍的研究領(lǐng)域，它綜合了機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識別、物理等領(lǐng)域的研究成果。

1.4 關(guān)聯(lián)規(guī)則

對于一個給定的事物數(shù)據(jù)庫，發(fā)現(xiàn)某種事物和另一種事物之間未知的聯(lián)系或者規(guī)則，例如著名的“啤酒”和“紙尿褲”這 2 種風(fēng)馬牛不相及的事物之間的之間的聯(lián)系，找出所有的類似這樣的潛在規(guī)則，對于市場策略、商業(yè)決斷是很有價值的。

1.5 統(tǒng)計分析

統(tǒng)計分析是運用定量和定性分析的方法，結(jié)合數(shù)據(jù)統(tǒng)計的方法和分析對象的知識，對數(shù)據(jù)進(jìn)行研究的方法。

2 隱私保護(hù)實現(xiàn)技術(shù)

在數(shù)據(jù)挖掘的過程中，隱私保護(hù)已經(jīng)成為重要的研究課題之一。其主要研究的內(nèi)容為：將一些個人的原始數(shù)據(jù)資料即隱私資料由受信賴的數(shù)據(jù)發(fā)布者采集，然后將數(shù)據(jù)匿名保護(hù)，最后發(fā)布給第三方，進(jìn)行數(shù)據(jù)挖掘分析。在此過程中，將數(shù)據(jù)匿名化處理，保護(hù)相關(guān)個人隱私是研究的重點，同時還需確保匿名處理后的數(shù)據(jù)的準(zhǔn)確性及有效性，即從中能夠挖掘出有用的知識和規(guī)則。

近年來，基于隱私保護(hù)的匿名化操作的概化 / 隱匿技術(shù)取得一定成績，它是隱私保護(hù)數(shù)據(jù)發(fā)布方法中使用較多的一種。其優(yōu)點在于匿名化數(shù)據(jù)中數(shù)據(jù)的準(zhǔn)確性高，以數(shù)據(jù)的細(xì)粒度值取代粗粒度值，用更加抽象、概括的值替代準(zhǔn)標(biāo)識符。概化有以下幾種模式：

2.1 全局概化

采用全局概化技術(shù)又叫做全子樹概化技術(shù)，此種技術(shù)是將數(shù)據(jù)表中的某個屬性的所有值都概化到分類層次樹的同一層上。與其他模式的搜索空間相比，全局概化的搜素空間最小。但是，這種技術(shù)容易受非正常項目的影響從而過度概化，因此信息損失過高，數(shù)據(jù)失真最大。

2.2 子樹概化

此種模式下，所有的孩子節(jié)點采取統(tǒng)一模式，即如果概化，則所有非葉子節(jié)點的全部孩子節(jié)點全部概化，否則都不概化。它的本質(zhì)是將分類系統(tǒng)層次樹剪枝。

2.3 局部概化

又稱為單元概化，此種模式中一個值的某些實例可以根據(jù)概化的需要選擇概化或保持不變，而不影響其他實例的概化。與全局概化相比，這種模式相對靈活，而且數(shù)據(jù)失真性降低。

2.4 兄弟概化

此種模式與子樹該模式相近，區(qū)別是某些兄弟節(jié)點可以不被概化，且如有缺失孩子節(jié)點的值用父親節(jié)點值代替。此種模式比子樹概化模式的數(shù)據(jù)失真較小。

2.5 多維概化

此種模式可以讓兩個準(zhǔn)標(biāo)識符組靈活獨立的概化到不同的父親節(jié)點組上。因為這種模式僅需要概化違反指定值的準(zhǔn)標(biāo)識符組，所以它比全局概化和子樹概化產(chǎn)生的失真都要小。

3 結(jié)語

直接發(fā)布原始數(shù)據(jù)表會導(dǎo)致個人隱私信息泄露，存在巨大信息安全隱患，對原始表進(jìn)行匿名化操作可以保護(hù)用戶的隱私安全。除本文介紹的概化/隱匿技術(shù)外，還有多種隱私保護(hù)技術(shù)，如數(shù)據(jù)表分解、聚類和凝聚、排序、擾動等技術(shù)。

在隱私保護(hù)的數(shù)據(jù)庫技術(shù)方面，設(shè)計或開發(fā)一種隱私保護(hù)的數(shù)據(jù)發(fā)布工具尤為重要。這個任務(wù)稱之為隱私保護(hù)的數(shù)據(jù)發(fā)布（PPDP）。近年來，基于隱私保護(hù)的數(shù)據(jù)挖掘技術(shù)受到越來越多的專家學(xué)者關(guān)注，此領(lǐng)域也正在快速的發(fā)展中。

參考文獻(xiàn)：

[1]葛偉平，汪衛(wèi)，周皓峰，施伯樂.基于隱私保護(hù)的分類挖掘[J]. 計算機(jī)研究與發(fā)展，2006（01）.

[2]馬廷淮，唐美麗.基于隱私保護(hù)的數(shù)據(jù)挖掘[J].計算機(jī)工程，2008（09）.

[3]華蓓，鐘誠.數(shù)據(jù)挖掘中的隱私保護(hù)技術(shù)進(jìn)展分析[J].微電子學(xué)與計算機(jī)，2009（08）.

[4]李鋒.面向數(shù)據(jù)挖掘的隱私保護(hù)方法研究[D].上海交通大學(xué)，2008

[5]汪曉剛，惠蕙，孫志揮.基于共享的隱私保護(hù)關(guān)聯(lián)規(guī)則挖掘[J]. 軟件導(dǎo)刊，2009（09）.

作者簡介：楊銘（1982—），女，吉林長春人，講師，研究方向：計算機(jī)科學(xué)與技術(shù)。