[发明专利]一种关联规则挖掘中隐私数据的保护方法

说明书

技术领域

本发明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。

背景技术

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。

本发明给出了一种关联规则挖掘中隐私数据的保护方法，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。

发明内容

本发明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。

本发明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A₁、A₂、......、A_m，本发明仅考虑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

隐私数据项的修改方法为：