ZDDを用いた頻出飽和パターンのプライバシー保護マイニング

摘要

In this paper, we propose new methods for privacy-preserving mining of frequent closed patterns from horizontally partitioned distributed databases. Privacy-preserving data mining is to discover knowledge from large scale data that include private information and are stored in distributed places without revealing one's private information against for other participants. Assuming that distributed databases are horizontally partitioned, we treat closed pattern minining and apply the fast family algebra using ZDDs to privacy-preserving data mining. We propose two solutions for the problem that arise from using ZDDs for distributed data and estimate them with the semi-honest model.%近年，各地に分散されて蓄積されているデータを対象として，サイト間で情報漏洩がないように知識発見を行うことが研究されており，プライバシー保護データマイニングとよばれている．本研究では飽和パターンとZDD（Zero-suppressed BDD）に着目し，頻出飽和パターンマイニングとよばれる知識発見手法を対象にし，全ての分散データを利用してプライバシーを保護した状態で知識発見を行うための手法を構築する．飽和パターンとは，集合論的手法で定義されたトランザクションデータベースの代表的なパターンであり，ZDDは論理関数と1対1対応する集合を表現するためのデータ構造である．本研究では分散データベースを水平分散型としてモデル化し，知識発見のための処理をZDDを用いた分散処理によって行う．そこで生じるプライバシー保護上の問題に対処するための演算とデータに対する2つの対策を提案し，評価を行う．