-
-
公开(公告)号:CN107203725A
公开(公告)日:2017-09-26
申请号:CN201710366773.5
申请日:2017-05-23
Applicant: 广东工业大学
IPC: G06F21/62
CPC classification number: G06F21/6245 , G06F2221/2107
Abstract: 目前国内外的隐私保护数据挖掘算法存在不足,例如,目前分布式环境下关联规则挖掘隐私保护算法较多的使用同态加密技术,在将该技术运用在分布式关联规则挖掘中时,私钥拥有者容易通过两两计算站点的信息,获得足够多的方程组后,解出各站点数据集中项集的支持度信息造成隐私泄漏。针对现有技术的不足,本发明提出了一种垂直分布式关联规则挖掘隐私信息保护方法。该方法使用了部分隐藏的随机化回答方法对各站点原始数据进行扰乱与隐藏,引入半可信第三方,各站点计算得到本地持有的项集事务向量,利用Paillier加密算法统计出项集全局事务向量,由第三方进行解密并得到项集全局支持度。本发明方法提高了支持数的计算效率和安全性。
-
公开(公告)号:CN106503575A
公开(公告)日:2017-03-15
申请号:CN201610844383.X
申请日:2016-09-22
Applicant: 广东工业大学
IPC: G06F21/62
CPC classification number: G06F21/6254 , G06F2221/2107
Abstract: 本发明提出了一种分布式关联规则挖掘隐私信息保护方法。算法应用差分隐私算法与同态加密技术,引入半可信第三方,将各站点的数据集匿名化,利用Paillier算法计算全局支持数,利用Shamir秘密共享技术将Paillier算法的解密密钥分解发送到各站点。本发明提出的算法具有站点之间无须通信、支持数传输安全、第三方难以计算站点信息等优点。
-
-