移动数据的智能分析与隐私保护

摘要

智能手机,移动商务已经越来越普及,关联到我们生活的各个方面。不仅如此,掌上电脑、IPAD等移动设备具备了让我们随时随地的与人交流、浏览网页、买卖股票、支付等等一系列令人难以割舍的功能。我国的移动电话用户超过7亿,显然,相比于电脑,移动电话的普及率远远高于电脑。在第三代移动商务中,作为移动运营商,需要更安全、更精确的商业推广营销与个性化推荐。在面对大量的移动数据面前,如何做到这些,则需要大量的数据挖掘与更科学的智能分析与隐私保护。虽然隐私保护数据挖掘现在已经成为越来越被关注的对象,但在国内外的研究当中,将真实数据结合隐私保护的数据挖掘仍然较为罕见。而本文正是基于Rakesh Agrawal扰动隐私保护理论,利用智能分析得出移动数据中所需要挖掘的相关知识。而本文主要的研究内容如下:
　　 首先,本文在数据挖掘与隐私保护的理论基础上,对移动数据中的智能分析进行了探讨。
　　 其次,本文对大量原始的移动数据做出商业理解,数据预处理,并构建了出了客户提醒业务的决策树模型、业务推荐的关联规则模型和客户细分的聚类模型。并得到了有效的商业结论。
　　 最后,将Agrawal的隐私保护算法应用到上述三个模型中,得到了各种影响因素间的相互关系,对影响关系作出定性分析,并通过实例对假设模型进行验证和修正,构建了基于隐私保护的数据挖掘模型。
　　 研究结果表明,通过定量分析与定性分析法对原始模型和隐私保护模型进行了比较,将差异性保持在可控范围之内,并对比两个模型在移动商务中均可以发挥理想的效果。所以将隐私保护应用在移动商务中,不仅很好的解决了隐私保护问题,而且同样能够很好的运用在实际移动商务问题。