飛速發(fā)展的物聯(lián)網(wǎng)產(chǎn)業(yè)和廣泛應(yīng)用的云計算技術(shù)為數(shù)據(jù)挖掘提供了“原料”和“車間”。數(shù)據(jù)挖掘能夠從大規(guī)模數(shù)據(jù)集中提煉出隱藏其中的、前所未有的、有潛在價值的知識。數(shù)據(jù)挖掘與實體經(jīng)濟的融合創(chuàng)新能夠帶來巨大的商業(yè)價值。數(shù)據(jù)挖掘算法的設(shè)計與優(yōu)化成為知識發(fā)現(xiàn)領(lǐng)域關(guān)注的研究熱點。大數(shù)據(jù)時代下個人信息的數(shù)字化和集中化加劇了隱私泄露風(fēng)險。攻擊者能輕易地從互聯(lián)網(wǎng)獲取海量的背景知識,并結(jié)合數(shù)據(jù)挖掘的結(jié)果以較高的概率推算出敏感信息。實施大數(shù)據(jù)環(huán)境下的隱私保護是一個極大的挑戰(zhàn)。傳統(tǒng)的在單節(jié)點上運行的數(shù)據(jù)挖掘算法已無法適應(yīng)大規(guī)模數(shù)據(jù)集的處理。如何更快速、高效地處理大規(guī)模數(shù)據(jù)集,在分布式系統(tǒng)下運行數(shù)據(jù)挖掘算法是當前的研究熱點。因此,本文研究的差分隱私保護的數(shù)據(jù)挖掘并行算法在大數(shù)據(jù)時代的隱私保護和高效處理大數(shù)據(jù)集方面具有重要的理論意義和應(yīng)用價值。本文的主要工作包括:首先,基于經(jīng)典K-Medoids算法提出了一種差分隱私保護的K-Medoids（DPK-Medoids）并行算法。該算法的主要貢獻有:（1）針對攻擊者會根據(jù)背景知識和數(shù)據(jù)挖掘結(jié)果來推測中心點的值,導(dǎo)致敏感信息泄露的問題。運用給中心點添加Laplace噪聲的方式... 

【文章來源】：曲阜師范大學(xué)山東省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

εi-差分隱私序列組合.....

max(ε)-差分隱私并行組合.........

圖 2-5 KDD分階段處理模型挖掘是 KDD 過程的一個步驟，是基于需求驅(qū)動，通過一定的算潛在的高價值而又難以發(fā)現(xiàn)的信息的過程。數(shù)據(jù)挖掘是跨計算數(shù)據(jù)目標數(shù)據(jù)

【參考文獻】：
期刊論文
[1]論網(wǎng)絡(luò)交易中消費者隱私權(quán)及法律保護[J]. 張璐.  法制與經(jīng)濟. 2019(01)
[2]大數(shù)據(jù)隱私保護技術(shù)綜述[J]. 方濱興,賈焰,李愛平,江榮.  大數(shù)據(jù). 2016(01)
[3]從隱私到個人信息:利益再衡量的理論與制度安排[J]. 張新寶.  中國法學(xué). 2015(03)
[4]基于差分隱私保護的DP-DBScan聚類算法研究[J]. 吳偉民,黃煥坤.  計算機工程與科學(xué). 2015(04)
[5]數(shù)據(jù)脫敏:敏感數(shù)據(jù)的安全衛(wèi)士[J]. 郭嘉凱.  軟件和信息服務(wù). 2014(02)
[6]差分隱私保護及其應(yīng)用[J]. 熊平,朱天清,王曉峰.  計算機學(xué)報. 2014(01)
[7]論個人信息權(quán)的法律保護——以個人信息權(quán)與隱私權(quán)的界分為中心[J]. 王利明.  現(xiàn)代法學(xué). 2013(04)
[8]密碼學(xué)與現(xiàn)代密碼學(xué)研究[J]. 任偉.  信息網(wǎng)絡(luò)安全. 2011(08)

碩士論文
[1]差分隱私保護K-means聚類方法的研究[D]. 劉天宇.哈爾濱工程大學(xué) 2017



本文編號：3620255