Privacy Preserving Sequential Pattern Mining

Andrzej Makarewicz

Abstract

The thesis describes the developed method of privacy preserving sequential pattern mining that is based on existing methods of association rules mining with privacy preserving in a centralized database. The thesis includes descrip- tion of Apriori and GSP algorithms, which are used for association rules and sequential patterns mining, accordingly. Featured are selected techniques of privacy preserving, data modification, and privacy measures. The thesis also shows available methods of privacy preserving in association rules and sequential patterns mining, with a detailed description of MASK method and its modifications, on which the developed algorithm is based. The thesis presents the experimental results and describes the developed system that was used for test purposes.
Diploma typeMaster of Science
Author Andrzej Makarewicz II
Andrzej Makarewicz,,
- The Institute of Computer Science
Title in PolishOdkrywanie wzorców sekwencyjnych z zachowaniem prywatności
Supervisor Piotr Andruszkiewicz II
Piotr Andruszkiewicz,,
- The Institute of Computer Science
Certifying unitFaculty of Electronics and Information Technology (FEIT)
Affiliation unitThe Institute of Computer Science (IN)
Languagepl polski
StatusFinished
Issue date (year)2013
Keywords in Polisheksploracja danych, zapewnianie prywatności, wzorce sekwencyjne, sekwencje częste
Keywords in Englishdata mining, privacy preserving, sequential patterns, frequent sequences
Abstract in PolishW pracy przedstawiono opracowaną metodę odkrywania wzorców sekwencyjnych z zapewnianiem prywatności, bazującą na istniejących metodach zapewniania prywatności w odkrywaniu reguł asocjacyjnych w centralnej bazie danych. Opisane zostały sposoby odkrywania reguł asocjacyjnych i wzorców sekwencyjnych, odpowiednio algorytmy Apriori i GSP. Przedstawiono w niej wybrane techniki zapewniania prywatności, metody modyfikacji danych i miary prywatności. Przekrojowo opisane zostały dostępne sposoby zapewniania prywatności w odkrywaniu reguł asocjacyjnych i wzorców sekwencyjnych. Szczegółowo opisano metodę MASK wraz z modyfikacjami, na której bazuje opracowany algorytm. W pracy zawarto także wyniki przeprowadzonych eksperymentów i opis praktycznego systemu, który posłużył do testowania metody.
File
praca_dyplomowa.pdf / 1.96 MB / praca_dyplomowa.pdf 1.96 MB


Back