基于Spark支持差分隐私保护的Apriori算法

摘要

针对现有的海量数据分析和数据挖掘过程中,无法应对任意背景知识下的恶意攻击而造成用户隐私数据泄露的问题,在Spark大数据内存并行计算框架的基础上引入差分隐私保护机制,对模式挖掘过程中的敏感信息进行Laplace加噪处理,提出一种适合于在Spark框架下满足差分隐私保护的Apriori关联分析算法.该算法利用差分隐私的组合特性,从理论上证明了算法满足ε-差分隐私特性,并且指导了隐私保护预算的分配过程.通过实验表明,提出的算法比在MapReduce框架下实现支持隐私保护的Apriori算法迭代效率更高、安全性更好,同时在保证可用性前提下,算法具有较好的隐私保护特性和良好的时效性.