数据库中的知识隐藏

伴随着数据共享、隐私保护、知识发现等多重需求而产生的PPDM(privacy preserving data mining),成为数据挖掘和信息安全领域近几年来的研究热点.PPDM中主要考虑两个层面的问题:一是敏感数据的隐藏与保护;二是数据中蕴涵的敏感知识的隐藏与保护(knowledge hiding in database,简称KHD).对目前的KHD技术进行分类和综述.首先介绍KHD产生的背景,然后着重讨论敏感关联规则隐藏技术和分类规则隐藏技术,接着探讨KHD方法的评估指标,最后归结出KHD后续研究的3个方向:数据修改技巧中基于目标距离的优化测度函数设计、数据重构技巧中的反向频繁项集挖掘以及基于数据抽样技巧的通用知识隐藏方法设计.

一种文本信息隐藏中的语法检测算法

基于文本的信息隐藏方法是通过对大量汉语句子进行考察和结构分析,抽出以关键词为核心的改写模板,对具有一定结构特点的语句改写。但是经过同义词替换后可能会破坏句子的语言一致性。针对这一缺点,提出了一种语法检测的算法。首先根据语法库统计出词性的可选搭配对进行词性搭配检测是否合理,再检测词语属性的搭配,最后决定是否对词本身有要求进行检测。在C平台下的数值实验表明该检测算法能够有效的处理文本信息隐藏。

基于样本大小的数据库知识隐藏

针对数据的知识安全提出了一种新的安全机制——基于样本大小的数据库知识隐藏策略,这种安全模型适用于非授权用户,使得恶意的数据挖掘不能得到想要的结果,为数据库的敏感知识及隐私信息提供更好的保护.