数据挖掘中的隐私保护研究

摘要

本文首先介绍了数据挖掘中隐私保护的现状，着重介绍数据挖掘中隐私和隐私保护的定义以及隐私保护技术的分类，然后针对聚类分析时如何保护隐私的问题，提出了一种称为IBT(基于等距变换的数据转换方法)的算法。实验结果表明，IBT能保持两点间距离不变，很好的扭曲了数据，保护隐私信息，且对聚类的结果没有影响；接着，对IBT进行改进推广，对等距变换的隐私保护度进行了系统的讨论，重新拓广了一般实数上有限维欧氏空间中的隐私保护度评价方法，独立讨论了两个不同的评价维度——距离和方向。然后证明一个重要的结论：在属性向量两两独立和数据量足够大的情况，正交矩阵的选择与具体的数据无关。从而提出了一种称为OBT(基于正交变换的数据转换方法)的算法。

目录

文摘

英文文摘

第1章引言

1.1论文的研究背景和选题意义

1.2论文的主要内容及组织

第2章数据挖掘中的隐私保护概述

2.1数据挖掘概述

2.2隐私问题概述

2.3隐私保护技术概述

第3章应用等距变换处理聚类分析中的隐私保护

3.1相关概念

3.2相关命题

3.3基于等距变换的数据转换方法——IBT方法

3.4实验及讨论

3.5结论

第4章应用正交变换保护数据中的隐私信息

4.1隐私保护度评价方法

4.2一个重要结论

4.3基于正交变换的数据转换方法——OBT方法

4.4结论

第5章隐私保护技术的评价和展望

5.1隐私保护技术的评价

5.2隐私保护技术的展望

第6章论文总结

6.1论文主要完成的工作

6.2进一步努力的方向

参考文献

附录：硕士在读期间发表论文情况

致谢

原创性声明