新版第7課數(shù)據(jù)挖掘的高級主題培訓(xùn)課件ppt-閱讀頁
2024-08-26 11:07本頁面
【正文】 00 19 ABC: 19 ≥ R? ABC: YES! 精選 51 二、隱私保護數(shù)據(jù)挖掘 ? 隱私保護數(shù)據(jù)挖掘分類 ?保護 個體用戶隱私 ?保護 組織用戶隱私 ? 研究方法 ?數(shù)據(jù)隱藏 ?安全多方計算 精選 53 保護 個體用戶隱私 ? 這是一種記錄和屬性級上的隱私保護。保護敏感的原始數(shù)據(jù)的隱私保護數(shù)據(jù)挖掘方法應(yīng)該能夠使得用戶的敏感的原始數(shù)據(jù)被修改，以便數(shù)據(jù)的使用者不能對用戶的原始數(shù)據(jù)進行直接存儲，不能查看用戶的隱私，以此保護用戶的私有數(shù)據(jù)。在數(shù)據(jù)挖掘的統(tǒng)計模型中，有很多挖掘出的知識也會泄漏用戶的隱私。 精選 57 組織隱私 ? 保護個體隱私是不夠的 ? 保護從組織中獲得的敏感知識 ?策略模式 ?數(shù)據(jù)挖掘的結(jié)果 ? 目標： ?身份信息不能泄漏 ?數(shù)據(jù)挖掘之后的模式和知識同樣不能泄漏 精選 58 Database 用戶 數(shù)據(jù)挖掘 挖掘得到的知識 變換后 數(shù)據(jù)庫 隱藏敏感的知識 精選 59 P3P ? 發(fā)布的隱私策略 ? 協(xié)同達成的一致策略 精選 60 隱私保護數(shù)據(jù)挖掘架構(gòu) ? B2B的架構(gòu)中，具體的事務(wù)分布在幾個不同的站點。這里用到的主要計算技術(shù)是安全多方計算（ Secured multiparty putation）及其變種。在線調(diào)查表是這種 B2C架構(gòu)的一個典型的例子。 精選 61 解決方法分類 ? 數(shù)據(jù)隱藏 (Data Obfuscation) ?對數(shù)據(jù)進行挖掘時，不能看到真實的數(shù)據(jù) ? 安全多方計算 ?僅僅可信的結(jié)點可以看到數(shù)據(jù) 精選 62 數(shù)據(jù)隱藏 ? 目標 : 隱藏被保護信息 ?私有數(shù)據(jù)可用 ?噪聲較大 ?真實值不能確定得到 精選 63 主要技術(shù) ?匿名技術(shù) ?隨機的數(shù)據(jù)轉(zhuǎn)換 (random data perturbation) ?阻塞技術(shù) (blocking) ?聚集或融合技術(shù) (aggregation or merging) ?交換技術(shù) (swapping) ?采樣技術(shù) (sampling) 精選 64 基于阻塞的技術(shù) (blocking) A B C D 1 1 1 0 1 0 1 1 0 0 0 1 1 1 1 0 1 0 1 1 A B C D 1 1 1 0 1 0 ? 1 ? 0 0 1 1 1 1 0 1 0 1 1 Blocking Algorithm Initial Database New Database 主要用于組織隱私的保護 精選 65 隨機的數(shù)據(jù)轉(zhuǎn)換 (random data perturbation) A B C D 1 1 1 0 1 0 1 1 0 0 0 1 1 1 1 0 1 0 1 1 Sample Database A B C D 1 1 1 0 1 0 0 1 0 0 0 1 1 1 1 0 1 0 0 1 Distorted Database Distortion Algorithm 精選 66 隨機的數(shù)據(jù)轉(zhuǎn)換 ? 目標 ?統(tǒng)計屬性可以較精確得到 ?個體數(shù)據(jù)不能得到 ? 離散型變量轉(zhuǎn)換 ?布爾型變量 ?分類型 (Category) 變量 ? 連續(xù)型變量轉(zhuǎn)換 布爾型變量 轉(zhuǎn)換 分類型變量 轉(zhuǎn)換 連續(xù)型變量 轉(zhuǎn)換 精選 67 布爾型變量轉(zhuǎn)換 ? 購物籃問題 ? 數(shù)據(jù)位以概率 p 被翻轉(zhuǎn) ? 對經(jīng)過變化的數(shù)據(jù)進行挖掘 1TDC M C??101,1CppMCCpp? ?????? ??????? ??精選 68 分類型變量轉(zhuǎn)換 ? Selectasize Randomization ? Cut and Paste Randomization 精選 69 Selectasize Randomization ? 給定大小為 t的事務(wù) , 構(gòu)造 t’: ?選擇 j 屬于 0 到 m P[j被選擇的概率 ]= pm[j] ?把事務(wù)加入 t的 j個項加入事務(wù) ?其它不在事務(wù) t的屬性以概率 pm 加入事務(wù) t’ ? 參數(shù) pm[j]和 pm的選擇基于需要的隱私度 精選 70 精選 71 Cut and Paste Randomization ? 給定大小為 t的事務(wù) , 構(gòu)造 t’: ?在 0到 Km間選擇 j ?把事務(wù) t 的 j個項加入 t
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1