一种关联规则挖掘中隐私数据的保护方法技术

本发明专利技术属于数据挖掘中的隐私数据保护技术，具体涉及一种关联规则挖掘中隐私数据的保护方法。该方法包括隐私数据项的确定、初始化工作、隐私数据项的修改及数据的发布步骤。本发明专利技术可以有效地保护隐私数据，还可以确保不包含隐私数据项在内的关联规则全部有效，包含隐私数据项在内的绝大部分关联规则仍然有效，且不会产生幽灵规则。在修改记录的选择方面本发明专利技术首先考虑了那些不会影响挖掘结果的记录对在隐私数据项上进行交换，其次提出了一种基于最大频繁项目的修改记录选择方法，尽可能选择支持有较大支持数的最大频繁项目集的记录，最大限度地保持原有频繁项目的频繁性，降低了选择修改记录的执行难度，进一步提高算法的执行效率。

【技术实现步骤摘要】

本专利技术属于数据挖掘中的隐私数据保护技术，具体涉及一种关联规则挖掘中隐私 数据的保护方法。
技术介绍
随着网络、数据库存储以及高性能处理器等技术的飞速发展，数据库中存储的数 据呈爆炸式增长，导致出现了”数据爆炸，知识贫乏”的现象。另外，20世纪下半叶发展起来 的专家系统，也遇到了 “知识获取”这一瓶颈问题。在此背景下，强有力数据分析工具的需 求推动了数据挖掘技术的产生。数据挖掘技术可以帮助人们从大量的数据中智能地、自动 地抽取隐含的、事先未知的，具有潜在价值的知识或信息，它不仅被许多研究人员看作是数 据库系统和机器学习等方面的一个重要研究课题，而且被许多产业界人士看作是一个能带 来巨大回报的重要领域，从数据库中发现出来的规则和知识可以用在信息管理、查询响应、 决策支持、过程控制等诸多方面。任何事情都有其两面性，数据挖掘也不例外，在数据挖掘产生巨大财富的同时，随 之产生的就是隐私泄露的问题，据一份Web用户的调查表明，17%的被调查者表示会拒绝 透露涉及到自己隐私的任何信息，27%的被调查者表示会经认真考虑后，决定是否给予涉 及到自己隐私的信息，而56%的被调查者表示，如果数据收集机构或数据使用者可以确保 个人隐私信息得到有效保护，他们是愿意提供涉及自己隐私的信息。从这些调查材料可以 看出，如果无法保证被调查者的隐私，所收集到的数据往往和真实的数据之间存在很大的 误差，甚至无法完成数据收集工作，如果在这些错误数据上进行数据挖掘，那么得到的结果 必然是不准确，甚至是完全错误的，数据挖掘将面临着“巧妇难为无米之炊”的尴尬局面，最 好的数据挖掘方法也无济于事。然而，可喜的是人们并没有因噎废食，在数据挖掘能够提供 的益处前面，只要数据采集机构或使用者采取有效措施来保证个人的隐私，大部分数据拥 有着还是愿意提供自己的隐私数据，隐私保护程度的高低将直接关系到是否能够获得足够 真实的信息，从而影响到挖掘结果的可靠有用性。因而，如何在包含关联规则挖掘在内的数 据挖掘过程中解决好隐私保护问题已经成为数据挖掘领域中的一个非常关键的问题。对于关联规则挖掘中的隐私数据保护问题，目前常用的方法是采取数据干扰技 术，即通过数据变换或在数据中增加噪声等方法来对原始数据进行干扰，关联规则挖掘是 在干扰后的数据集上进行的，因而，该种方法很有可能影响到挖掘结果的可用和有效性，即 挖掘出一些原始关系数据库中本来不存在的且有误导作用的规则，丢失一些原始关系数据 库中非常有用的规则，从而失取了数据挖掘本身的意义。其实，隐私数据是相对的，是与载 体相关联的，更换了或脱离了载体，数据就有可能失去其物理意义或隐私性，因此，我们可 以通过修改记录相应的项目来实现隐私数据的保护。本专利技术给出了，该方法既可以实现隐私 数据的有效保护，又能确保关联规则挖掘结果的有效可行性。
技术实现思路
本专利技术的目的在于针对现有关联规则挖掘中隐私数据保护方法可能会影响到关 联规则挖掘结果的可用性和有效性等问题，提出了一种新颖的关联规则挖掘中隐私数据的 保护方法，该方法既可实现隐私数据的保护，同时又不会产生过多的负面影响。本专利技术所说的关联规则挖掘中隐私数据的保护方法，包括以下步骤(1)隐私数据项的确定由数据拥有者确定关系数据库中需要处理的隐私数据项。假设需要保护的数据项 为、、k2........Am，本专利技术仅考虑m为1的情况，记为A。其他情况可以类推。(2)修改前的初始化工作设原关系数据库为DB，最小修改率阈值为minXP，minXP表示修改记录数占总记录 数的百分比，如minXP = 50%，表示原关系数据库中有一半的记录在隐私数据项上的值发 生了变化，公开的是修改后的关系数据库，关联规则挖掘是在修改后的关系数据库上进行 的。修改前的初始化工作包括以下步骤①设置记录修改数变量JXC，其初始值为minXPX DB |, DB为关系数据库DB中 的记录数；②给关系数据库中的每条记录i设置一个修改标志flag，其值为0或1，0表示 该记录未修改过，1表示修改过；③扫描原关系数据库DB —次，求出其所有的频繁1-项目集，删除关系数据库DB 中非频繁1-项目所对应的数据项；④根据关系数据库DB中A所对应的值，将关系数据库DB分成两个子数据库DB1 和DB2，他们在字段A上的值分别均为1和0。(3)隐私数据项的修改隐私数据项的修改方法为①对于子数据库DB1的每条未修改记录礼，如果子数据库DB2中存在与礼完全相 同的未修改记录R2 (不包括字段A的值)，则交换原关系数据库DB中对应于礼和R2记录的 数据项A，其他不变。对于每对交换的记录进一步包括下列步骤i 修改变量 JXC，JXC = JXC-2 ；ii修改此两记录的修改标志，对应的修改标志置为1 ；iii将礼、R2分别加入子数据库DB2和DB1中，即交换它们的位置。②如果JXC彡0，则转⑧。③对于DB1中的任何记录礼，如该记录所支持的频繁项目集的支持数均大于最小 支持数阈值，则执行i 修改变量 JXC，JXC = JXC-1 ；ii将原DB和DB1中对应于队的数据项A的值置为1，的修改标志置为1 ；iii将记录从DB1中移到DB2中；iv如果JXC彡0，则转⑧。④将MFISA1分成两部分MjnM2，Mi中各元素的支持数等于最小支持数阈值，M2中 各元素的支持数大于最小支持数阈值。其中MFISA1为子数据库DB1中最大频繁项目集的 集合，此时的最小支持数阈值为minsup X | DB | / | DB11。5⑤根据Mi和M2将DB1中未修改记录分成三部分DBlp DB12、DB13，其中中各 记录支持礼中的某最大频繁项目集，但均不支持礼中的任何最大频繁项目集。DB12中各记 录同时支持礼中的某最大频繁项目集和M2中的某最大频繁项目集。DB13中各记录支持M2 中的某最大频繁项目集，但均不支持礼中的任何最大频繁项目集。如果DB13为空集，转⑥ 步，否则执行i将DB13中的记录按其支持M2中元素的个数升序排列；ii对于DB13中的第一条记录礼，将原DB和DB1中对应于队的数据项A的值置为 1，R的修改标志置为1 ；iii将记录从DB1中移到DB2中；iv 修改变量 JXC 值，JXC = JXC-1 ；v如果JXC彡0，则转⑧；vi如果DB13为非空，转(ii)。⑥重新统计数据库DB12中的最大频繁项目集，如果DB12为空集，转⑦步，否则执 行i将DB12中的记录按其支持Mi中元素的个数升序排列；ii对于DB12中的第一条记录礼，将原DB和DB1中对应于队的数据项A的值置为 1，R的修改标志置为1 ；iii将记录从DB1中移到DB2中；iv 修改变量 JXC 值，JXC = JXC-1 ；v如果JXC彡0，则转⑧；vi如果DB12为非空，转(ii)步。⑦重新统计数据库DBh中的最大频繁项目集，并按其支持礼中最大频繁项目集的 个数升序排列，执行i对于DB、中的第一条记录札，将原DB和DB1中对应于队的数据项A的值置为 1，R的修改标志置为1 ；ii将记录从DB1中移到DB2中；iii 修改变量 JXC 值，JXC = JXC-1 ；iv如果JXC彡0，则转⑧；否则转⑴；⑧结束，整理结果数据库，并删除修改标志列；(4)、数据的发布将本文档来自技高网...

【技术保护点】
一种关联规则挖掘中隐私数据的保护方法，包括以下步骤：（１）隐私数据项的确定由数据拥有者确定关系数据库中需要处理的隐私数据项，记为Ａ；（２）修改前的初始化工作原关系数据库为ＤＢ，最小修改率阈值为ｍｉｎＸＰ，ｍｉｎＸＰ表示修改记录数占总记录数的百分比，修改前的初始化工作包括以下步骤：①设置记录修改数变量ＪＸＣ，其初始值为ｍｉｎＸＰ×｜ＤＢ｜，｜ＤＢ｜为关系数据库ＤＢ中的记录数；②给关系数据库中的每条记录ｉ设置一个修改标志ｆｌａｇ［ｉ］，其值为０或１，０表示该记录未修改过，１表示修１］从ＤＢ１中移到ＤＢ２中；ｉｖ修改变量ＪＸＣ值，ＪＸＣ＝ＪＸＣ－１；ｖ如果ＪＸＣ≤０，则转⑧；ｖｉ如果ＤＢ１↓［３］为非空，转ｉｉ；⑥重新统计数据库ＤＢ１↓［２］中的最大频繁项目集，如果ＤＢ１↓［２］为空集，转⑦步，否则执行：ｉ将ＤＢ１↓［２］中的记录按其支持Ｍ↓［１］中元素的个数升序排列；ｉｉ对于ＤＢ１↓［２］中的第一条记录Ｒ↓［１］，将原ＤＢ和ＤＢ１中对应于Ｒ↓［１］的数据项Ａ的值置为１，Ｒ↓［１］的修改标志置为１；ｉｉｉ将记录Ｒ↓［１］从ＤＢ１中移到ＤＢ２中；ｉｖ修改变量ＪＸＣ值，ＪＸＣ＝ＪＸＣ－１；ｖ如果ＪＸＣ≤０，则转⑧；ｖｉ如果ＤＢ１↓［２］为非空，转ｉｉ步；⑦重新统计数据库ＤＢ１↓［１］中的最大频繁项目集，并按其支持Ｍ↓［１］中最大频繁项目集的个数升序排列，执行：ｉ对于ＤＢ１↓［１］中的第一条记录Ｒ↓［１］，将原ＤＢ和ＤＢ１中对应于Ｒ↓［１］的数据项Ａ的值置为１，Ｒ↓［１］的修改标志置为１；ｉｉ将记录Ｒ↓［１］从ＤＢ１中移到ＤＢ２中；ｉｉｉ修改变量ＪＸＣ值，ＪＸＣ＝ＪＸＣ－１；ｉｖ如果ＪＸＣ≤０，则转⑧；否则转ｉ；⑧结束，整理结果数据库，并删除修改标志列；（４）数据的发布将修改后的关系数据库发送给关联规则挖掘工具或数据使用者。改过；③扫描原关系数据库ＤＢ一次，求出其所有的频繁１－项目集，删除关系数据库ＤＢ中非频繁１－项目所对应的数据项；④根据关系数据库ＤＢ中Ａ所对应的值，将关系数据库ＤＢ分成两个子数据库ＤＢ１和ＤＢ２，他们在字段Ａ上的值分别均为１和０；（３）隐私数据项的修改①对于子数据库ＤＢ１的每条未修改记录Ｒ↓［１］，除字段Ａ的值外，如果子数据库ＤＢ２中存在与Ｒ↓［１］完全相同的未修改记录Ｒ↓［２］，则交换原关系数据库ＤＢ中对应于Ｒ↓［１］和Ｒ↓［２］记录的数据项Ａ，其他不变；对于每对交换的记录进一步包括下列步骤：ｉ修改变...

【技术特征摘要】

【专利技术属性】
技术研发人员：朱玉全，孙蕾，陈耿，欧吉顺，梁军，
申请(专利权)人：江苏大学，
类型：发明
国别省市：32[中国|江苏]