隱私保護頻繁項集挖掘中的細粒度隨機化模型

郭宇紅 童云海

摘 ?要：已有的隨機化回答模型調控的數據范圍寬、粒度粗，對隱私數據的保護粒度缺乏靈活性，無法實現精細化、個性化、差異化的隱私保護。提出三類多參數隨機化回答模型，包括行多參、復合多參、分組多參共11種隨機化回答模型，給出了模型的分類框架和分類層次。細粒度多參數隨機化模型可實現精細化、個性化、差異化的隱私保護效果。

關鍵詞：隨機化回答;隱私保護;頻繁項集;敏感問題調查

中圖分類號：TP311 ? ? 文獻標識碼：A

Abstract：The existing randomized response model regulates a wide range of data with coarse granularity and lacks flexibility in protecting privacy，unable to achieve fine，personalized and differentiated privacy protection.Three kinds，11 types of multi-parameter random response models are proposed，including row multi-parameter，compound multi-parameter and grouping multi-parameter.The classification framework and hierarchy of these models are given.The fine-grained multi-parameter randomized response models can realize fine，individualized and differentiated privacy protection effect.

Keywords：randomized response;privacy preserving;frequent item set;sensitivity survey

1 ? 引言（Introduction）

頻繁項集挖掘是數據挖掘中的一個重要分支，隨著人們對數據隱私和安全的日益關注，頻繁項集挖掘賴以生存的數據環境發生很大變化，表現在：（1）在數據收集階段，出于隱私的考慮，人們可能不再愿意提供真實的數據供分析使用，比如在線調查，一家藥品公司為了發現各種疾病之間的關聯關系，需要開展疾病的調查以收集數據，而調查者出于隱私的考慮不愿意提供數據或提供虛假數據;（2）在企業試圖將頻繁模式挖掘任務外包給第三方，或多個企業合作進行頻繁模式挖掘而需共享數據時，出于客戶隱私和商業安全的考慮，在數據共享前需對數據進行預處理，以保護客戶隱私和隱藏一些敏感規則;（3）頻繁項集挖掘的科研人員對自己的算法進行測試時，難以得到真實數據作為benchmark。如何在基于隱私和安全考慮的環境中，很好地實施數據挖掘任務和各種應用，是隱私保護數據挖掘要解決的問題[1-3]?！?br>