数据库中的知识隐藏

被引：38

作者：

郭宇红 ^{[1
]}

童云海 ^{[2
]}

唐世渭 ^{[1
]}

杨冬青 ^{[1
]}

机构：

[1] 北京大学计算机科学技术系

[2] 北京大学视觉与听觉信息处理国家重点实验室

来源：

软件学报 | 2007年 / 11期

关键词：

知识隐藏; KHD(knowledge hiding in database); 敏感规则; 隐私保护; 反向挖掘;

D O I：

暂无

中图分类号：

TP311.13 []; TP182 [专家系统、知识工程];

学科分类号：

140502 [人工智能];

摘要：

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.

引用

页码：2782 / 2799

页数：18

共 6 条

[1]

一种有效的隐私保护关联规则挖掘方法 [J].

张鹏 ;

童云海 ;

唐世渭 ;

杨冬青 ;

马秀莉 .

软件学报, 2006, (08) :1764-1774

[2]

基于倒排文件的布尔规则隐藏算法 [J].

张伟 ;

陈芸 ;

邹汉斌 ;

周霆 .

计算机工程, 2005, (14) :97-98+218

[3]

Maximizing Accuracy of Shared Databases when Concealing Sensitive Patterns[J] Syam Menon;Sumit Sarkar;Shibnath Mukherjee Information Systems Research 2005,

[4]

Using unknowns to prevent discovery of association rules[J] Yücel Saygin;Vassilios S. Verykios;Chris Clifton ACM SIGMOD Record 2001,

[5]

Using sample size to limit exposure to data mining[J] Chris Clifton Journal of Computer Security 2000,

[6]

Hiding association rules by using confidence and support Dasseni E;Verykios VS;Elmagarmid A;Bertino E; Proc.of the 4th Int‘l Information Hiding Workshop(IHW 2001) 2001,

← 1 →