学位论文 > 优秀研究生学位论文题录展示

基于隐私保护的分布式聚类算法的研究

作　者: 何青松
导　师: 吴承荣
学　校: 复旦大学
专　业: 计算机应用技术
关键词: 隐私保护分布式数据挖掘微簇安全计算
分类号: TP311.13
类　型: 硕士论文
年　份: 2010年
下　载: 125次
引　用: 0次
阅　读: 论文下载

内容摘要

数据挖掘技术正受到人们越来越多的关注,与此同时隐私保护问题也日益受到广大人们的重视。如何在保护自身隐私的同时进行充分的合作和数据的共享,已经成为人工智能领域的一个研究热点。本文主要针对多方合作计算问题展开了研究,目的在于使参与各方能在很好的保护自身敏感数据及数据分布情况等知识的前提下,能很好的进行相互间的协作,挖掘出基于整体数据集的知识作为参与者的共同财产。通过将数据流当中的微簇概念引入到分布式的环境中,并加入多方安全协议,我们提出了基于隐私保护的分布式聚类算法。该算法具有很小的通信消耗,较低的计算时间复杂度,然而却具有很好的安全性以及较高的准确率。考虑到信息飞速增长,各个行业内部合作逐步扩大的现实背景,文章在之前提出的基于微簇的聚类算法基础上进行了扩展,提出了增量式的隐私保护聚类算法IDPPKMeans (Increment Distributing Privacy Protect K-Means),避免了由于新的数据集加入到合作系统中而引起所有数据进行重新聚类的问题。最后通过实验证明该算法具有较高的准确度,并能很好的保护数据的安全性。

全文目录

摘要  5-6
ABSTRACT  6-7
第一章引言  7-13
  1.1 研究背景  7-8
  1.2 国内外研究近况  8-11
  1.3 本文的工作  11-13
第二章聚类算法及隐私保护概述  13-25
  2.1 数据挖掘概述  13
  2.2 常见数据挖掘技术  13-16
  2.3 聚类算法概述  16-19
    2.3.1 基于距离的聚类算法  16-17
    2.3.2 基于密度的聚类算法  17-18
    2.3.3 分布式的聚类算法  18-19
  2.4 隐私保护  19-23
    2.4.1 隐私保护的定义  19-20
    2.4.2 隐私保护与数据挖掘  20-23
  2.5 隐私保护数据挖掘算法的评价标准  23-24
  2.6 本章小结  24-25
第三章基于微簇的隐私保护聚类算法  25-44
  3.1 安全模型及算法相关定义  25-28
    3.1.1 安全模型的定义  25-27
    3.1.2 算法相关定义  27-28
  3.2 基于可信任第三方的微簇分布式聚类算法  28-33
    3.2.1 系统的框架  28-29
    3.2.2 算法过程  29-32
    3.2.3 算法参数分析  32-33
  3.3 算法复杂度及安全性分析  33-37
    3.3.1 算法复杂度分析  34-36
    3.3.2 安全性分析  36-37
  3.4 实验结果及分析  37-38
  3.5 基于半可信任第三方的微簇聚类算法  38-43
    3.5.1 算法描述  39-40
    3.5.2 算法复杂度及安全性分析  40-42
    3.5.3 实验及分析  42-43
  3.6 小结  43-44
第四章增量式环境下的分布式隐私保护聚类算法  44-56
  4.1 问题描述  44
  4.2 相关定义  44-46
  4.3 算法思想  46-51
  4.4 算法实现  51-52
  4.5 实验结果与分析  52-55
    4.5.1 准确度分析  53
    4.5.2 时间复杂度分析  53-54
    4.5.3 安全性分析  54-55
  4.6 本章小结  55-56
第五章结束语  56-57
参考文献  57-61
致谢  61-62
攻读硕士期间发表的论文  62-63

基于隐私保护的分布式聚类算法的研究

内容摘要

全文目录

相似论文