隐私保护的多数据源高投票率序列模式挖掘

在多数据源环境中,通过计算数据库项集相似度,按照一定分类原则,设计了数据库数目和类个数可变的多数据源序列模式分类算法;在给出一种有效的多数据源高投票率序列模式挖掘方法的基础上,结合隐私保护要求,采取"分类—清洗—合成—挖掘"方法,提出一种隐藏敏感模式的多源高投票率序列模式挖掘算法。与不隐藏敏感模式的多源高投票率序列模式挖掘算法进行实验测试对比,结果表明:本文提出的算法只需花费额外少量的敏感模式匹配处理时间,可确保算法能够在挖掘得到全局高投票率序列模式的同时,隐藏敏感模式、保护多源数据中的隐私信息.

面向增量更新数据库的隐私保护

敏感模式隐藏是隐私保护数据挖掘中的一个重要课题.传统算法大多适用于处理静态数据,因此难以处理增量更新数据中的隐私保护问题.为解决以上问题,设计基于敏感模式图满足最小边际效应的牺牲项选择策略,构建面向增量数据库的隐私保护算法.实例和实验分析验证了算法的正确性、高效率及可扩展性.