公开(公告)号：CN110471957A

公开(公告)日：2019-11-19

申请号：CN201910760220.7

申请日：2019-08-16

Applicant: 安徽大学

Inventor： 陈志立 ,  王家礼 ,  仲红 ,  张顺

IPC: G06F16/2458 ,  G06F21/62

Abstract: 本发明公开了一种基于频繁模式树的本地化差分隐私保护的频繁项集挖掘方法，是应用于一个不可信第三方数据聚合者A和n位用户构成场景中，其步骤包括：S1、初始化阶段；S2、数据剪枝阶段；S3、建树阶段；S4、数据挖掘阶段。本发明能在第三方数据聚合者A不持有任何用户隐私记录信息情况下，估计满足给定支持度阈值的所有频繁项集以及相应的支持度，从而保证第三方能够根据所得结果挖掘出有用的关联规则，为可能的决策提供支持。

公开(公告)号：CN110471957B

公开(公告)日：2021-10-26

申请号：CN201910760220.7

申请日：2019-08-16

Applicant: 安徽大学

Inventor： 陈志立 ,  王家礼 ,  仲红 ,  张顺

IPC: G06F16/2458 ,  G06F21/62

Abstract: 本发明公开了一种基于频繁模式树的本地化差分隐私保护的频繁项集挖掘方法，是应用于一个不可信第三方数据聚合者A和n位用户构成场景中，其步骤包括：S1、初始化阶段；S2、数据剪枝阶段；S3、建树阶段；S4、数据挖掘阶段。本发明能在第三方数据聚合者A不持有任何用户隐私记录信息情况下，估计满足给定支持度阈值的所有频繁项集以及相应的支持度，从而保证第三方能够根据所得结果挖掘出有用的关联规则，为可能的决策提供支持。