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[1] 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 انجمني[1](ARM)[5]است.کاوش قوانین انجمنی یک فرآیند دو مرحله­ای است. در مرحله نخست مجموعه-اقلامِ متکرر[2] کشف و استخراج می شوند و در مرحله دوم با استفاده از این مجموعه-اقلام، قوانین انجمنی تولید می­شوند. تاکنون الگوريتم­هاي بسياري براي يافتن مجموعه-اقلامِ متکرر توسط محققان ارائه شده است. الگوريتم Apriori[7,9] معروف­ترين الگوريتم در اين زمينه است. يـکي از  مـدل­های اسـتفاده شـده در کاوش قوانین انجمنـی، مـدل کاوش سودمنـدي[3][9]است. کاوش سودمندي کمبودهاي مدل سنتي که سوددهي و تعداد کالاها را در تراکنش­ها در نظر نمي­گرفت 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[1] 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 2000 به محافل علمی معرفی شد[6] و تا کنون روش­های زیادی برای آن ابداع گردیده و مورد استفاده قرار گرفته است.

حفظ حريم خصوصی, کاوش سودمندي, کاوش قوانين انجمني, داده کاوي, برنامه ریزی عدد صحیح, الگوریتم های مکاشفه ای, الگوریتم های تکاملی

فهرست مطالب
فصل 1 -مقدمه 11
1-1-داده کاوی 12
1-1-1-کاوش قوانین انجمنی 13
1-2-حفظ حریم خصوصی درداده کاوی 13
1-2-1- شاخه های تحقیقاتی درPPDM 14
1-2-2- الگوریتم ها و روش های PPDM 16
1-3-مخفی سازی قوانین انجمنی 18
1-4-حفظ حریم خصوصی درکاوش سودمندی 19
1-5-نمای کلی پایان نامه 20
فصل 2- مخفی سازی قوانین انجمنی 21
2-1- پیش نیاز 22
2-1-1- مقدمات وتعاریف 23
2-1-2- تئوری مرزها 25
2-1-3- تعریف رسمی مسأله 26
2-1-3-1- اهداف متدولوژی های مخفی سازی قوانین انجمنی 26
2-1-3-2- بیان مسأله 28
2-1-3-3-گونه1: مخفی سازی قوانین انجمنی حساس 29
2-1-3-4- گونه 2: مخفی سازی مجموعه-اقلامِ حساس 29
2-2- دسته بندی متدولوژی های مخفی سازی قوانین انجمنی 30
2-3- الگوریتم های مکاشفه ای 31
2-3-1- الگوریتم های مبتنی بر درهم سازی 32
2-3-2- الگوریتم های مبتنی برمسدودسازی 34
2-4- الگوریتم های مبتنی براصلاح مرز 35
2-4-2- الگوریتم BBA 35
2-4-3- الگوریتمMax-Min 36
2-5- الگوریتم های دقیق 36
2-5-1- الگوریتمMenon 37
2-6- خلاصه 39
فصل 3- حفظ حریم خصوصی درکاوش سودمندی 40
3-1- کاوش سودمندی 41
3-2- حفظ حریم خصوصی درکاوش سودمندی(PPUM) 44
3-2-1-فرآیندپاک سازی 45
3-2-2- محاسبه کارایی 46
3-2-3- 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 50
مراجع 52

فایل ورد – 49 صفحه

مرور کارهای انجام شده

سمینار کارشناسی ارشد