带学习的同步隐私保护频繁模式挖掘

吴冷冬1唐世渭2童云海2郭宇红3

1.国际关系学院; 2.北京大学; 3.阿尔伯塔大学;

摘要：

为了提高挖掘结果的准确性,提出基于样例学习和项集同步随机化的隐私保护频繁模式挖掘方法(learning and synchronized privacy preserving frequent pattern mining,简称LS-PPFM).该方法充分利用不需要隐私保护的个体数据,首先对不需要保护的数据学习,得到样例数据中蕴涵的强关联项,然后在对数据随机化时,将强关联项绑定在一起作同步随机化变换,以保持项与项之间的潜在关联性.实验结果表明,相对于项独立随机化,LS-PPFM能够在略微牺牲一定的隐私保护性的情况下,显著提高频繁模式挖掘结果的准确性.

关键词：有指导的、基于学习的、随机化、隐私保护、频繁模式挖掘

所属期刊栏目：22

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金60403041,60473072

在线出版日期：2011-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1749-1760