２１ ０ ０年 第 １ ０期 （ 第 １ ４期 ） 总 ３
大 众 科 技
ＤＡ ＺＨＯＮＧ ＫＥＪ
Ｎｏ． ０。 ０ ０ １ ２ １
（ ｕ ｌ ｉ ｌ Ｎ ．３ ） Ｃ ｍｕ ｔ ｅｙ ｏ１ ４ ａｖ
据挖掘 隐私 保护研究
王滟方 谢 文 阁
（ 辽宁工业大学 ，辽 宁 锦 州 １ １０ ） ２ ０ １
【 键 词 】数 据 挖 掘 ； 隐私 保 护 关 【 中图Ａ
【 文章编号 】１０ － １ １ ０ １ — ０ ０ ０ ０ ８ １５ （ １）０ ０ ２ — ２ ２ ０ 户提供所挖掘 的知识 ） ２数据挖掘 中的隐私 不 同的环 境下对隐私 的定义不 同。数据挖掘 中涉 及的隐 私 主 要 有 ： （ ）个 人 隐私 ， 一般 指 的 是 用 户 的一 些 能够 识别 １ 用户 身份 的标识 ，如姓名 、年龄 、家庭住址 、电话号码等 ， 或 者 是用 户 某 些 行 为 产 生 的信 息 ， 例 如 购 物 信 息 ， 医疗 信 息 等 ；（ ）公共 隐私 ，两 个 或 多 个 机 构 ，企业 为 了 共 同 的利 益 ， ２ 他 们合 作进行挖掘 ，在挖掘 过程中都不愿意将 自己的某些信
（ ）基本概 念 一
１数据挖 掘 数据挖掘 的定义很 多，表达方式各不相 同。从技术角度 看 ，数 据 挖 掘 是 从 大 量 的 、 不 完 全 、有 噪 声 的 、 模 糊 的 、随 机的实际数据 中，提取 隐含在其中的、人们不知 道的、但又 是潜 在 有 用 的 信 息 和 知 识 的 过 程 ； 从 商 业 角 度 看 ， 数 据 挖 掘 是一种崭新的商业信息 处理技术。其主要特 点是对 商业数据 库中的大量业务数据进行抽 取、转化、分析和模 式化处理 ， 从中提取辅助商业决策 的关键知识 ，即从一个数据 库中 自动 发现 相 关 商业 模 式 。 数据挖掘 是从数据库 中知识 发现 中的一部分 ，而 知识发 现 是将 原始数据转化为有用 知识的整个过程 。当数据挖 掘成 为普 及 的 涵 盖 面 更 广 的术 语 时 ， 数 据 挖 掘 与 知 识 发 现 之 间 的 界 限 就 不 是那 么 明 确 了 。事 实上 ， 在 现 如 今 大 多数 场 合 中 ， 这 两 个 术 语 的 使用 是 不 加 以 区别 的 ， 本 文 也 不 区 分 。知 识 发 现是一个 多步骤 的过程 ，典型 的知识发现过程包括 以下几 个 步骤 ： （ ）数 据 抽 取 与 集 成 （ 取 各 个 数 据 源 的所 需 数 据 ，进 １ 抽
行合并处理 ） （ ）数 据 预 处 理 与 清 洗 （ 数 据 再 加 工 ，消 除 噪 声 等 ） ２ 对 （ ）数 据 选 择 与 变换 （ 择 相 关 数 据 ，统 一 成 适 合 挖 掘 ３ 选 的形 式 ）
隐私保护 的主要 目标是使用 某种 方法对原始数据进行 处 理 ，使 得 私有 数 据 和 知 识 在 挖 掘 之 后 仍 然 是 私 有 的 。 不但 要 在 开 始 时对 某 些 信 息 进 行 保 护 ， 而 且 对 挖 掘 过 程 中产 生 的 敏 感 规 则也 要进 行 保 护 ，还 要 考 虑 挖 掘 产 生 的结 果 是 否 会 包 含 某些重要的隐私信息。
【 摘 要 】随着数据量的增大 ，数据挖掘技 术应用不断扩 大 ，如何在挖掘过程 中不泄露私有信息或敏 感知识 ，同时能得 到 比较 准确 的挖掘效果 ，已经成为数据挖掘研 究 中的一个热点课题 。文章从数据分布 的角度结合挖掘算法对 目前几种关键 的隐私 保 护方法进行 了介绍 、分析 ，给 出算法的评估 ，最后 分析 总结 了数据挖掘 隐私保护 未来的研 究方 向。
息泄露给他方 。
随着计算机和 网络信息技术 的发展 ，人们产生和搜集 的 数 据 大大 增 加 ， 各 行 各 业 的历 史 数 据 量 猛 增 。怎 样 从 这 些 数 据 中获得 有用 的知识、信息 ，对数据分 析提 出了新 的要求 。 数 据 挖 掘 刚好 可 以解 决 此 问题 ，可 以利 用 这 些 数 据 ，得 到 有 用 的数据信息 或结果，从而帮助决策者制 定更好的决策 ，但 是 与 此 同时 产 生 了 一个 重要 问题 那 就 是信 息 的 泄露 。各 行 业 ， 各企业单位 既想 获得数据挖掘 的有用结 果，又不想将 自己拥 有 的某些数据信 息泄露给他方或他人 。因此 ，如何在有效 的 数据挖掘中保护隐私数据 已经成 为一个重要 问题 。
（ ）数 据挖 掘 的隐私 保护 分类 二
１９ ９ ９年 ， ａ ｅ ｈ ｇ ａ ａ Ｒ ｋ ｓ ｒｗ ｌ在 Ｋ Ｄ ９中提 出将 数据挖掘 的 Ａ Ｄ９ 隐私保护将作 为未来的研究重 点之一，此后 ，数据挖掘 的隐 私保护得 到了发展 ，许 多方法不 断的涌现 。从不 同的角度对 数据挖掘的隐私保护方法的分类 也不同。 ０ ４年， ａ ｓ ｌ ｏ ｓ ２０ Ｖ ｓ ｉ ｉｎ Ｓ Ｖ ｒ ｋ ｏ 和 Ｅ ｉａ Ｂ ｒ ｉｏ等 人 从 数 据 分 布 、数 据 修 改 、 ． ｅｙｉｓ １Ｓ ｅ ｔ ｎ 数据挖掘算法 、数据及规则 的隐藏及 隐私保护技术五个角度 对 现 有 的 较 为 典 型 的 隐 私保 护 数 据 挖 掘 算 法进 行 了 分类 。 １ 数据的分布方式 ． 根据 数据 的分布情 况，可 以分为集 中式数据和分布式数 据的隐私保护技术 ，其 中分布式数据 的隐私保护技术又分为 水 平 分 割 和 垂 直 分 割 的 隐 私 保 护 技 术 。 水 平 分 割 主 要 是 指 数 据按记录分布 于多个机构或组织 ，垂 直分割主要指数据按属 性分布于多个机构或组织。 ２ 数据修 改 ． 为了确保原始数据 中的隐私信息不被 泄露，原始数据在 被公开之前要进行一 定的修改 、伪装 ，数据修改方案需要和 隐私保护 策略相结合 。常用的数据修改方法主要有一下几种： （ ）值 替 代 方 法 ：即将 原始 数 据 的属 性 值 替 换 为 一 个 新 １ 的值 ，或 者用一个符号替代 一个 已存在 的值 ，以此来保护敏 感 的数据和规则 ；