مخفی سازی قوانین انجمنی و حفظ حریم خصوصی

پیشرفت‌های شایانی که در دهه­های پیشین در زمینه سخت‌افزار و ذخیره و بازیابی اطلاعات صورت گرفته، بستری فراهم آورده‌است که بتوان حجم عظیمی از اطلاعات را با هزینه­ای بسیار کم ذخیره و نگهداری کرد. بر همین اساس سازمان‌ها و شرکت‌ها توانسته­اند حجم بسیار زیادی از تراکنش‌های مربوط به اطلاعات شخصی افراد و شرکت‌های دیگر را در انبارداده­های[۱] خود ذخیره‌سازی و نگهداری کنند تا بتوانند از این اطلاعات در جهت تصمیم­گیری، برنامه­ریزی، ارائه خدمات بهتر و کسب سود بیش­تر استفاده نمایند.

یکی از روش­های بسیار مهم در داده­کاوی، کاوش قوانین انجمنی[۱](ARM)[5]است.کاوش قوانین انجمنی یک فرآیند دو مرحله­ای است. در مرحله نخست مجموعه-اقلامِ متکرر[۲] کشف و استخراج می شوند و در مرحله دوم با استفاده از این مجموعه-اقلام، قوانین انجمنی تولید می­شوند. تاکنون الگوریتم­های بسیاری برای یافتن مجموعه-اقلامِ متکرر توسط محققان ارائه شده است. الگوریتم Apriori[7,9] معروف­ترین الگوریتم در این زمینه است. یـکی از  مـدل­های اسـتفاده شـده در کاوش قوانین انجمنـی، مـدل کاوش سودمنـدی[۳][۹]است. کاوش سودمندی کمبودهای مدل سنتی که سوددهی و تعداد کالاها را در تراکنش­ها در نظر نمی­گرفت را برطرف می­سازد و قوانین مفیدتری را تولید می­کند.

بسیاری از شرکت­ها برای دستیابی به سود بیش­تر و همچنین ارائه خدمات بهتر به کاربران خود، بخشی از اطلاعات مربوط به کاربران را با شرکت­های همتای خود به اشتراک می­گذارند. برخی مؤسسات دولتی نیز اطلاعات استخراج شده همانند آمارگیری­ها و اطلاعات مربوط به بهداشت و … را به­صورت عمومی منتشر می­کنند تا متخصصین و محققین بتوانند این اطلاعات را تحلیل و ارزیابی نمایند و سازمان­ها و مؤسسات دیگرنیز بتوانند از این اطلاعات برای تصمیم­سازی و برنامه­ریزی بهتر استفاده کنند. انتشار این نوع داده­ها به صورت عمومی اگرچه اطلاعات خصوصی افراد و مؤسسات را به صورت مستقیم افشا نمی­کند، اما این امکان را فراهم می­سازد که حمله­کننده با تحلیل دقیق این داده­ها و ترکیب آن­ها با داده­های عمومی دیگر، بتواند به الگوها و استنتاج­هایی دستیابی پیدا کند که حریم خصوصی[۱] افراد و مؤسسات را به خطر اندازد.

افزایش نگرانی­ها در بین شهروندان و بسیاری از مؤسسات برای به خطر افتادن حریم خصوصـی آن­ها موجب گردید که دولت­ها ادامه استفاده از روش­های داده­کاوی را از لحاظ قانونی مورد بازبینی قرار دهند و در مواردی استفاده از روش­های داده­کاوی را ناقض قوانین حفظ حریم خصوصی دانسته و آن­ها را غیرقانونی معرفی کنند. افزایش نگرانی­ها از یک طرف و نیاز مبرم مؤسسات و دولت­ها برای استفاده از روش­های داده­کاوی از طرف دیگر موجب گردید که شاخه جدیدی از تحقیقات با نام حفظ حریــم خصوصی در داده­کاوی(PPDM) به­عنـوان شاخه­ای مهم و حیاتی برای ادامه امکان استفاده از روش­های داده­کاوی، مورد توجه محافل علمی قرار گیرد. این مبحث نخستین بار توسط Agrawal و Srikant در سال ۲۰۰۰ به محافل علمی معرفی شد[۶] و تا کنون روش­های زیادی برای آن ابداع گردیده و مورد استفاده قرار گرفته است.

حفظ حریم خصوصی, کاوش سودمندی, کاوش قوانین انجمنی, داده کاوی, برنامه ریزی عدد صحیح, الگوریتم های مکاشفه ای, الگوریتم های تکاملی

فهرست مطالب
فصل ۱ -مقدمه ۱۱
۱-۱-داده کاوی ۱۲
۱-۱-۱-کاوش قوانین انجمنی ۱۳
۱-۲-حفظ حریم خصوصی درداده کاوی ۱۳
۱-۲-۱- شاخه های تحقیقاتی درPPDM 14
1-2-2- الگوریتم ها و روش های PPDM 16
1-3-مخفی سازی قوانین انجمنی ۱۸
۱-۴-حفظ حریم خصوصی درکاوش سودمندی ۱۹
۱-۵-نمای کلی پایان نامه ۲۰
فصل ۲- مخفی سازی قوانین انجمنی ۲۱
۲-۱- پیش نیاز ۲۲
۲-۱-۱- مقدمات وتعاریف ۲۳
۲-۱-۲- تئوری مرزها ۲۵
۲-۱-۳- تعریف رسمی مسأله ۲۶
۲-۱-۳-۱- اهداف متدولوژی های مخفی سازی قوانین انجمنی ۲۶
۲-۱-۳-۲- بیان مسأله ۲۸
۲-۱-۳-۳-گونه۱: مخفی سازی قوانین انجمنی حساس ۲۹
۲-۱-۳-۴- گونه ۲: مخفی سازی مجموعه-اقلامِ حساس ۲۹
۲-۲- دسته بندی متدولوژی های مخفی سازی قوانین انجمنی ۳۰
۲-۳- الگوریتم های مکاشفه ای ۳۱
۲-۳-۱- الگوریتم های مبتنی بر درهم سازی ۳۲
۲-۳-۲- الگوریتم های مبتنی برمسدودسازی ۳۴
۲-۴- الگوریتم های مبتنی براصلاح مرز ۳۵
۲-۴-۲- الگوریتم BBA 35
2-4-3- الگوریتمMax-Min 36
2-5- الگوریتم های دقیق ۳۶
۲-۵-۱- الگوریتمMenon 37
2-6- خلاصه ۳۹
فصل ۳- حفظ حریم خصوصی درکاوش سودمندی ۴۰
۳-۱- کاوش سودمندی ۴۱
۳-۲- حفظ حریم خصوصی درکاوش سودمندی(PPUM) 44
3-2-1-فرآیندپاک سازی ۴۵
۳-۲-۲- محاسبه کارایی ۴۶
۳-۲-۳- الگوریتم های PPUM 47
3-2-3-1-الگوریتم مخفی سازی قلم باسودمندی بالا،اول(HHUIF) 47
3-2-3-2- الگوریتم مخفی سازی قلمِ بابیش ترین تداخل بامجموعه-اقلامِ حساس، اول(MSICF) 49
3-3- خلاصه ۵۰
مراجع ۵۲

فایل ورد – ۴۹ صفحه

مرور کارهای انجام شده

سمینار کارشناسی ارشد