[发明专利]一种面向差分隐私保护的频繁项集挖掘方法

说明书

本发明公开了一种面向差分隐私保护的频繁项集挖掘方法，包括以下步骤：计算出所有项集的支持度，从中挑选出频繁项集；统计数据集中各条事务的长度，计算出截断长度L后截断数据集；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；构造最大频繁项集MFI集合B及候选项集集合C；使用集合B对集合C中的项集进行加噪；使用初始MFI集合B计算得到各个候选项集的支持度之后，计算与真实支持度的误差之和E；在B中搜索B、B，用B取代B并且更新误差和E的值；当误差和不再减小时停止迭代并输出结果。本发明可以很好地防止发布频繁项集会造成的个人隐私泄露，同时截断数据集的操作也有效地提高了挖掘结果的可用性。

技术领域

本发明涉及一种面向差分隐私保护的频繁项集挖掘方法，属于信息安全技术领域。

背景技术

随着云计算和大数据的快速发展，数据挖掘技术在一些深入的研究和应用中取得了长足的进步。频繁项集挖掘是数据挖掘的核心问题之一，其目标是发现数据集中频繁出现的项集，在现实生活中的应用十分广泛。尽管能提供有价值的信息，但是不作处理的发布频繁项集可能会造成很严重的个人隐私泄露。如何在保护个人隐私的同时尽可能提高发布频繁项集的可用性已经成为数据挖掘领域亟待解决的问题之一。随着隐私保护技术的提出与发展，差分隐私保护方法成为目前一种热门的隐私保护技术。差分隐私通过噪声机制实现，即向输出结果中添加随机噪声来保护数据安全，添加的噪声越大，数据越安全，然而，数据的可用性越低，反之亦然。

目前已经有了多种满足差分隐私的频繁项集挖掘算法(如PrivBasis算法、PrivSuper算法等)，但是这些算法只适用于处理低维数据集，在处理高维数据集时会因为敏感度过高的问题添加较多的噪声，从而导致挖掘结果可用性不高。

发明内容

本发明所要解决的问题就是针对背景技术中的不足之处，提出一种面向差分隐私保护的频繁项集挖掘方法，本发明可以很好地防止发布频繁项集会造成的个人隐私泄露，同时截断数据集的操作也有效地提高了挖掘结果的可用性。

为了解决上述问题，采用如下技术方案：

本发明的一种面向差分隐私保护的频繁项集挖掘方法，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}，即数据集D中出现过的所有项组成的集合；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