隐私保护频繁项集挖掘中的分组随机化模型

• 作者: 童云海 郭宇红
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: 随机化回答 隐私保护 频繁项集 支持度重构 数据挖掘 沃纳模型
• 年，卷（期）: 2020,（2）
• 页码范围: 230-236
• 页数: 7页
• 分类号: TP311
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201911025

摘要

通过对隐私保护频繁项集挖掘问题的研究,发现现有的单参数随机化回答模型调控的数据范围宽、粒度粗,导致无法实现精细化、差异化的隐私保护的问题.在沃纳模型、单参数等随机化模型的基础上,提出个体分组多参随机化PN/g模型,给出其在隐私保护频繁项集挖掘中的支持度重构方法.研究结果表明:该模型面向多样化、差异化的隐私保护需求,将N个不同个体分为若干组,每组设置不同的随机化参数,可实现差异化的隐私保护效果.实例分析表明:结合所提出的支持度重构方法,可实现基于分组随机化的隐私保护频繁项集挖掘,在保护不同群体隐私的同时,挖掘到有效的频繁项集与关联规则.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	童云海	北京大学智能科学系	18	433	10.0	18.0
2	郭宇红	国际关系学院信息科技学院	6	21	3.0	4.0