基于安全多方计算的数据挖掘隐私保护研究

数据挖掘目前在许多领域都发挥了巨大的作用，但同时它也带来了隐私保护和信息安全问题，如何在保证数据安全和保护隐私的前提下进行数据挖掘，已经成为数据挖掘研究中一个极为迫切的问题。本项目研究在安全多方计算的安全模型下给出数据挖掘隐私保护的形式化定义，使用安全多方计算方法来实现具有隐私保护性质以及适用于分布式环境的数据挖掘常用算法，如决策树算法、线性预测、神经网络、支持向量机和各种聚类算法等。然后综合考虑效率与安全性、效率与计算准确性之间的平衡和折衷，提高算法的计算效率。最后在安全多方计算的安全模型下给出数据挖掘的隐私保护的形式化分析。本项目的研究必将对需要隐私保护的安全相关信息挖掘、公共医疗卫生信息挖掘等关键应用产生有效的促进作用。