面向数据库应用的隐私保护研究综述

随着数据挖掘和数据发布等数据库应用的出现与发展,如何保护隐私数据和防止敏感信息泄露成为当前面临的重大挑战.隐私保护技术需要在保护数据隐私的同时不影响数据应用.根据采用技术的不同,出现了数据失真、数据加密、限制发布等隐私保护技术.文中对隐私保护领域已有研究成果进行了总结,对各类隐私保护技术的基本原理、特点进行了阐述,还详细介绍了各类技术的典型应用,并重点介绍了当前该领域的研究热点:基于数据匿名化的隐私保护技术.在对已有技术深入对比分析的基础上,指出了隐私保护技术的未来发展方向.  

一种有效的隐私保护关联规则挖掘方法

隐私保护是当前数据挖掘领域中一个十分重要的研究问题,其目标是要在不精确访问真实原始数据的条件下,得到准确的模型和分析结果.为了提高对隐私数据的保护程度和挖掘结果的准确性,提出一种有效的隐私保护关联规则挖掘方法.首先将数据干扰和查询限制这两种隐私保护的基本策略相结合,提出了一种新的数据随机处理方法,即部分隐藏的随机化回答(randomized response with partial hiding,简称RRPH)方法,以对原始数据进行变换和隐藏.然后以此为基础,针对经过RRPH方法处理后的数据,给出了一种简单而又高效的频繁项集生成算法,进而实现了隐私保护的关联规则挖掘.理论分析和实验结果均表明,基于RRPH的隐私保护关联规则挖掘方法具有很好的隐私性、准确性、高效性和适用性.  

统计显著性标记的聚类分析算法与网络实现

聚类分析方法应用广泛,但过程及结果缺乏可靠的统计学检验,数学上不严格.另外,用于聚类分析的数据分布类型复杂多样,往往无法确定,而经典统计检验方法设定了各种统计前提和假设,应用依据不足.鉴于此,本研究用随机化方法对分类进行统计显著性检验,建立了具有统计显著性标记的聚类分析算法,用于对若干个样品进行有显著性标记的聚类分析. 该算法包括数据加权与规范化,计算距离测度,系统聚类,及随机化统计检验等过程.在该算法中,有14种距离测度、5种系统聚类方法、3种数据规范化方法及指标加权与否可供选择.随机化检验不需统计前提和假设,适用于各种统计问题.算法用Java语言网络化实现, 包含6个类和一个HTML文件.可通过网络在多种Java兼容的浏览器上实现算法共享. 以水稻田无脊椎动物多样性的调查数据,对该算法进行了对比分析,给出了选择距离测度的一些原则.  

马尔可夫决策过程自适应决策的进展

在介绍一般马尔可夫决策过程的基础上，分析了当前主要马尔可夫过程自适应决策方法的基本思想、具体算法实现以及相应结论，总结了现有马尔可夫过程自适应决策算法的特点，并指出了需要进一步解决的问题。  

数据挖掘中隐私保护的随机化处理方法

数据挖掘中主要的任务就是针对聚集数据的建模问题。目前数据挖掘中的个人隐私保护问题受到越来越多 的重视和研究。为了保护个人隐私,我们首先对一些私有数据进行随机化处理,在此基础上再进行建模。本文介绍了隐私 保护课题的发展、随机化处理方法的一般算法及隐私保护技术的发展前景。  

一种求解0-1背包问题的新遗传算法

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新算法,称之为随机化均匀设计遗传算法。最后将随机化均匀设计遗传算法应用于求解0-1背包问题,并与简单遗传算法和佳点集遗传算法进行比较。通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其他方法常有的早期收敛现象。  

基于浮点数编码GA的多参数寻优

提出了一种基于浮点数编码遗传算法学习模糊控制器前件、后件参数的方法。对采用二进制编码和浮点数编码，遗传算法的执行效率进行了研究，并结合实例，说明浮点数编码在多参数寻优中具有很好的效率。  

朴素贝叶斯分类中的隐私保护方法研究

数据挖掘中的隐私保护方法,试图在不精确访问原始数据详细信息的条件下,挖掘出准确的模式与规则.围绕着分类挖掘中的隐私保护问题展开研究,给出了一种基于数据处理和特征重构的朴素贝叶斯分类中的隐私保护方法.分别提出了一种针对枚举类型的隐私数据处理与特征重构方法--扩展的部分隐藏随机化回答(Extended Randomized Response with Partial Hiding,ERRPH)方法和一种针对数值类型的隐私数据处理与特征重构方法--转换的随机化回答(Transforming Randomized Response,TRR)方法,并在此基础上实现了一个完整的隐私保护的朴素贝叶斯分类算法.理论分析和实验结果均表明:朴素贝叶斯分类中基于ERRPH和TRR的隐私保护方法具有很好的隐私性、准确性、高效性和适用性.  

一种高效的中期冲突探测随机化算法

中期冲突探测是空中交通管制系统的重要功能,对飞机间未来冲突概率进行估计的随机化方法,是实现中期冲突探测的重要方法。为了解决传统的随机化方法需要进行大量运算所导致的效率低下、准确性不高等问题,通过对传统方法的改进,提出了一种高效的随机化算法。仿真实验表明,该算法极大地提高了运行效率,同时提高了计算的准确性。可以应用于实际的空管系统中。  

基于彩色图像的分块随机化信息隐藏算法

研究如何在不降低不可感知性的前提下增大信息隐藏容量,为增加算法的安全性问题.针对信息隐藏性特点和视觉掩蔽效应,在不同的噪声敏感区域可以嵌入不同信息量,结合随机数选择隐藏位的方法,提出了一种基于RGB彩色图像的信息隐藏的方法,称为分块随机化(SBR)信息隐藏算法.算法先把图像分块,再把图像子块分成平滑块与纹理块两种类型,对平滑块潜入小量隐藏信息,对纹理块潜入较多的隐藏信息,隐藏图层和隐藏位数由伪随机数来确定.实验结果与分析表明:算法比其他算法在不降低不可感知性的前提下增大了信息隐藏容量,加强了隐藏位的安全性,比较好的平衡了安全性,并证明是一种可行的算法.