带学习的同步隐私保护频繁模式挖掘

• 作者: 吴冷冬 唐世渭 童云海 郭宇红
• 来源期刊: 软件学报
• 学科: 工学
• 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
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 数据库技术
• 页码范围: 1749-1760
• 分类号: TP311
• 字数: 10678字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2011.04000

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐世渭	北京大学机器感知与智能教育部重点实验室	103	4937	32.0	70.0
2	童云海	北京大学机器感知与智能教育部重点实验室	18	433	10.0	18.0
3	郭宇红	国际关系学院信息科技系	6	21	3.0	4.0