[发明专利]基于垂直分区数据库的可验证PPFIM方法

说明书

本发明公开了一种基于垂直分区数据库的可验证PPFIM方法，主要解决现有方案的挖掘结果不可验证和泄露项集支持度的问题。步骤包括：1)数据拥有者生成人工事务并添加进原始数据库；2)数据拥有者向数据库中添加虚假事务来隐藏数据项的频率；3)数据拥有者对数据库进行加密后发给云服务器CSP；4)CSP生成联合数据库，并用Eclat算法进行频繁项集挖掘；5)CSP和辅助云服务器交互，计算出挖掘结果中疑似频繁项集的加密频繁真实值，将其和疑似频繁项集一起返回给相关的数据拥有者；6)数据拥有者解密挖掘结果，并验证挖掘结果的正确性和完整性。本发明在相同的安全级别下，减少了隐私泄露，实现了离线挖掘以及挖掘结果可验证。

技术领域

本发明属于数据处理技术领域，更进一步涉信息安全技术，具体为一种基于垂直分区数据库的可验证隐私保护外包频繁项集挖掘PPFIM方法。可用于在垂直分区上的隐私保护频繁项集挖掘场景中，实现挖掘结果可验证、隐私信息不外泄。

背景技术

随着互联网时代的兴起，数据作为一种重要资源，在社交、金融、医疗和教育等多个领域发挥出了巨大的作用。数据挖掘技术能够从海量的数据中分析出具有潜在价值的信息，得到了越来越多的重视。频繁项集挖掘是最为常用的数据挖掘技术之一，也是关联规则挖掘技术的核心。频繁项集挖掘通常用于发现大型事务数据库中频繁共现的数据项，在市场篮子分析、医疗保健、入侵检测、网络流量管理、生物信息学等领域得到了广泛应用。

云服务支持实时、海量数据存储和处理，同时具有着灵活、易扩展以及性价比高等优点。在现实场景中，来自多用户的大规模数据收集和存储也是由云来完成，因此由云端来进行数据挖掘可以极大节约海量数据集的挖掘成本，并提高挖掘结果的有效性和准确性。但是由于云服务收集的数据集常常会包含居住地址、财务信息等敏感数据，对这样的数据集进行挖掘时不可避免地带来隐私问题。经典的频繁项集挖掘算法Apriori、FP-growth和Eclat适用于集中化的数据库，即全部原始数据存放在中心站点进行挖掘，并未考虑到外包数据挖掘带来的隐私保护问题。因此数据拥有者DO(Data Owner)们出于对数据安全性的担忧，可能会不愿意将原始数据发送到云端来进行数据挖掘。

为了解决这个问题，学者们展开了对隐私保护下的数据挖掘PPDM(PrivacyPreserving Data Mining)技术的研究。其中的一种思路是基于随机化的方法来保护外包数据挖掘中的数据隐私。数据拥有者通过数据扰动对原始数据信息进行处理，在一定范围内更改数据的真实值，但是尽可能保持原始数据的统计特征。这样就可以实现对单个数据的隐私保护，同时不改变整个数据集的有价值的特征。另外一种思路就是对原始的据进行加密，云端在不解密的前提下对密态的数据集进行挖掘，从而有效保护原始数据的隐私信息。

J.Vaidya和C.Clifton在文献“Privacy preserving association rule miningin vertically partitioned data”(ACM，2002)提出了一个标量积协议，并基于该协议构建出了一个隐私保护的频繁项集挖掘方案。在这项工作的启发下，大量支持隐私保护的频繁项集挖掘方案被提出。Sheng Zhong在文献“Privacy-preserving algorithms fordistributed mining of frequent itemsets”(Information Science，2007)中借助非对称密码算法来计算项集的支持度，并解决了数据所有者都能够获得频繁项集的准确支持度的问题，这个问题会导致数据所有者们原始数据库中的信息泄露。值得强调的是，数据所有者并不希望其他数据所有者或者第三方服务器获取到自己数据库中除了挖掘结果之外的任何信息。