[发明专利]一种面向差分隐私保护的频繁项集挖掘方法

权利要求书

1.一种面向差分隐私保护的频繁项集挖掘方法，其特征在于，包括以下步骤：

步骤1：基于预设的数据集D＝{T₁,T₂…T_m}，项集域A＝{i₁,i₂…i_n}，使用Apriori算法计算出所有项集的支持度，从中挑选出频繁项集；

步骤2：统计数据集中各条事务的长度并计算截断长度L，根据所述截断长度L截断数据集；

步骤3：计算频繁项集包含项的个数上限m和频繁项个数λ，根据λ值构造频繁项组成的集合F；

步骤4：构造最大频繁项集MFI集合B及候选项集集合C；

步骤5：使用最大频繁项集集合B对候选项集集合C中的项集进行加噪；

步骤6：使用初始最大频繁项集集合B计算得到各个候选项集的支持度，计算与真实支持度的误差之和E；遍历集合B，寻找B_i、B_j∈B，B_i、B_j是B中的两个最大频繁项集；合并B_i、B_j后的集合为B′，若使用B′对候选项集进行加噪产生的误差和小于E，则用B′取代B并且更新误差之和E的值；当误差之和E不再减小时停止迭代并输出结果；

步骤2中，所述截断长度L的统计向量{z₁,z₂…z_n}，z_i为数据集中长度为i的事务的个数，i＝1,……,n，对向量添加噪声

其中，所述噪声函数为双边几何分布，ε为隐私预算；双边几何分布概率密度函数如下：

将所述截断长度L设置为满足式(3)的值

2.根据权利要求1所述的面向差分隐私保护的频繁项集挖掘方法，其特征在于，步骤2中，根据所述截断长度L截断数据集具体方法如下：

遍历数据集D，对任意事务T_i∈D，|T_i|表示T_i包含项的个数，若|T_i|＞L，则只保留T_i中支持度前L大的项，剔除其余的项；若|T_i|≤L，则不对T_i进行变动。

3.根据权利要求2所述的面向差分隐私保护的频繁项集挖掘方法，其特征在于，步骤3中，计算向量y_i(D)表示长度为i的项集中支持度最大的取值，τ表示第k频繁项集的支持度，使用打分函数为-|y_i(D)-τ|的指数机制从中挑选出m的值；表示向下取整；

计算向量{x₁(D),x₂(D)…x_n(D)}，x_i(D)表示第i频繁项的支持度，使用打分函数为-|x_i(D)-τ|的指数机制从[1,2...n]中挑选出λ的值；

所有项按支持度由大到小排序，前λ个项组成集合F。

4.根据权利要求3所述的面向差分隐私保护的频繁项集挖掘方法，其特征在于，所述指数机制描述如下：

设定输出域为O，r表示从输出域中所选择的输出项，定义一个打分函数u(D,r)，用来衡量输出结果为r时的准确度，则算法K输出为r的概率表示如下：

其中，Δu表示打分函数的敏感度，r_i表示输出域O中的一个输出项。

5.根据权利要求1所述的面向差分隐私保护的频繁项集挖掘方法，其特征在于，步骤4具体步骤如下：

初始化所述最大频繁项集MFI集合B和候选项集集合C为空集，再定义一个空集S；

先将F中的所有项添加到集合C中，接着以深度遍历的方式从F中挑选项，并将挑选出的项添加到集合S中构成新集合S‘；若S‘仍然是频繁的，继续从F中挑选项；若不是，将S添加到MFI集合B中，并将S的子集添加到集合C中，回溯到上一个结点。