ارائه الگوریتمی برای حفظ محرمانگی داده ها در مقابل فرایند استخراج الگوهای پدیدارشونده حساس میان دو مجموعه داده
چکیده
جمع آوری و نگهداری حجم بزرگی از داده های مرتبط در کاربردهای گوناگون تجاری و صنعتی، این فرصت را به صاحبان داده می دهد تا بتوانند با استفاده از روش های پیچیده داده کاوی به تحلیل و استخراج دانش موجود در این داده های خام پرداخته و از نتایج حاصل در راستای رشد و ترقی خود و یافتن برتری نسبت به رقبا، استفاده کنند. تمایز کاوی یکی از روش های جدید داده کاوی است که هدف آن کشف کردن تمایزهای میان دو یا چند مجموعه داده می باشد. این دانش به تازگی مورد مطالعه پژوهشگران قرار گرفته است. داده کاوی با هدف حفظ محرمانگی زمینه پژوهش ها نوینی است که به بررسی اثرهای جانبی بکارگیری روش های داده کاوی در نفوذ به محرمانگی افراد یا سازمان ها می پردازد. در این راستا، تاکنون پژوهش های با محوریت حفاظت از محرمانگی انجام پذیرفته است. هدف از این پژوهش ها بدست آوردن اطمینان از جامعیت استفاده از داده کاوی در عین محرمانه ماندن اطلاعات کاربران است. تمایز کاوی با هدف حفظ محرمانگی همانند داده کاوی به بررسی اثرهای جانبی بکارگیری روش های تمایزکاوی در نفوذ به محرمانگی افراد یا سازمان ها می پردازد. در بین تحقیقاتی که تا کنون انجام شده است، تحقیقاتی پیرامون محرمانگی در تمایز کاوی وجود ندارد و یا به ندرت یافت می شود. پرسش اصلی این است که نتایج مفید و معتبر در فرآیند تمایزکاوی، بدون آنکه محرمانگی داده ها مورد تهدید واقع شود، چگونه دستیابی پذیرند. در واقع از یک سو باید به کمک روش هایی از استخراج دانش حساس جلوگیری کرد و از سوی دیگر دقت نمود که این کار بر روی کیفیت دانش غیر حساس استخراج شده از پایگاه داده تأثیر منفی نگذارد. مساله حفاظت کامل از محرمانگی اطلاعات با حفظ کیفیت داده ها، از جمله مسائل np-hard می باشد. بنابراین در بسیاری از موارد یافتن جواب قطعی برای آن کاری بسیار زمانبر و در پاره ای از اوقات تقریبا غیر ممکن است. بدین منظور در این پژوهش سعی بر آن شده است که حفظ محرمانگی داده ها در مقابل فرآیند استخراج نوعی از الگوی تمایزی به نام الگوی پدیدارشونده میان دو مجموعه داده مورد توجه قرار گیرد و برای آن الگوریتم هایی ارائه می گردد تا علاوه بر جلوگیری از افشاء اطلاعات حساس، کیفیت و اصالت داده ها نیز محفوظ باقی بماند. این الگوریتم ها از تابع بهینه سازی با چندین هدف سود برده و پنهان سازی الگوهای پدیدارشونده حساس را با ساختار درختی کارا، درخت zbdd انجام می دهد. درخت zbdd ساختاری کارا برای یافتن الگوهای پدیدارشونده است که پیچیدگی زمانی کمی نسبت به سایر روش های ارایه شده دارد. این ساختار به خصوص برای داده های تنک مناسب است. کارایی الگوریتم های پیشنهادی با انجام آزمایش و مقایسه های مختلف نشان داده شده است