Privacy-Preserving Data Mining as a

Privacy-Preserving Data Mining as a Service in the Cloud

The discovery of frequent patterns, association rules, and correlation relationships among huge amounts of data is useful to business intelligence.
A typical example of frequent itemset mining is market basket analysis.
This process analyzes customer buying habits by finding associations between the different items that customers place in their shopping baskets.
The discovery of such associations can help retailers develop marketing strategies by gaining insight into which items customers frequently purchase together.
For a decade, there has been a growing interest in data mining as a service.
In this paradigm, a company (data owner) that lacks data storage, computational
resources, and expertise, stores its data in the cloud and outsources the mining tasks to the cloud service provider (server).
Without doubt, data mining as a service offers valuable benefits to business intelligence.
However, it also presents a serious privacy problem; that is, the server has access to company data and could learn business secrets from it.
To protect a company’s data privacy and yet enable the server to perform association rule mining on the data in the cloud, a naïve solution is for the data owner to hide the meanings of items in its transaction database by substituting items with unique numbers
(where the same item is substituted by the same number and different items are substituted by different numbers).
This one-to-one substitution approach doesn’t hide the frequencies of items. If the server
has some background knowledge (for example, information on the frequencies of some items), it can reidentify them, particularly the most frequent items.
For example, if bread is the most frequent item in retail transaction databases, the server can conclude that the most frequently occurring number refers to bread in the transformed database.

ผลลัพธ์ (ไทย) 2:

ความเป็นส่วนตัวรักษาการทำเหมืองข้อมูลเป็นบริการในเมฆค้นพบรูปแบบที่พบบ่อยที่กฎสมาคมและความสัมพันธ์ความสัมพันธ์ระหว่างข้อมูลจำนวนมากจะเป็นประโยชน์ในทางธุรกิจ. เป็นตัวอย่างของการทำเหมือง itemset บ่อยคือตลาดการวิเคราะห์ตะกร้า. กระบวนการนี้วิเคราะห์ลูกค้า ซื้อนิสัยโดยการค้นหาความสัมพันธ์ระหว่างรายการที่แตกต่างที่ลูกค้าวางในตะกร้าช้อปปิ้งของพวกเขา. การค้นพบของสมาคมดังกล่าวจะช่วยให้ร้านค้าปลีกในการพัฒนากลยุทธ์การตลาดโดยดึงดูดความเข้าใจในการที่ลูกค้ารายการบ่อยซื้อด้วยกัน. สำหรับทศวรรษที่ผ่านมามีการเติบโตที่น่าสนใจใน การทำเหมืองข้อมูลเป็นบริการ. ในกระบวนทัศน์นี้ บริษัท (เจ้าของข้อมูล) ที่ขาดการจัดเก็บข้อมูลการประมวลผลทรัพยากรและความเชี่ยวชาญเก็บข้อมูลในเมฆและoutsources งานเหมืองไปยังผู้ให้บริการคลาวด์ (server). โดยไม่ต้องสงสัย การทำเหมืองข้อมูลเป็นบริการที่มีประโยชน์ที่มีคุณค่าทางธุรกิจ. แต่ก็ยังมีปัญหาความเป็นส่วนตัวอย่างจริงจัง; ว่ามีเซิร์ฟเวอร์ที่มีการเข้าถึงข้อมูลของ บริษัท และสามารถเรียนรู้ความลับทางธุรกิจจากมัน. เพื่อปกป้องความเป็นส่วนตัวของข้อมูลของ บริษัท และยังช่วยให้เซิร์ฟเวอร์ที่จะดำเนินการทำเหมืองแร่การปกครองของสมาคมกับข้อมูลในเมฆเป็นทางออกที่ไร้เดียงสาเป็นเจ้าของข้อมูล ซ่อนความหมายของรายการในฐานข้อมูลการทำธุรกรรมของตนโดยการแทนรายการที่มีหมายเลขที่ไม่ซ้ำกัน(ที่รายการเดียวกันแทนจากจำนวนเดียวกันและรายการที่แตกต่างถูกเปลี่ยนตัวโดยตัวเลขที่แตกต่างกัน). นี้อย่างใดอย่างหนึ่งต่อหนึ่งวิธีการทดแทนไม่ได้ซ่อนความถี่ ของรายการ ถ้าเซิร์ฟเวอร์ที่มีความรู้พื้นฐานบางอย่าง (เช่นข้อมูลเกี่ยวกับความถี่ของบางรายการ) ก็สามารถ reidentify พวกเขาโดยเฉพาะอย่างยิ่งรายการที่พบบ่อยที่สุด. ยกตัวอย่างเช่นถ้าขนมปังเป็นรายการที่พบบ่อยที่สุดในฐานข้อมูลการทำธุรกรรมการค้าปลีกเซิร์ฟเวอร์สามารถสรุปได้ ว่าจำนวนที่เกิดขึ้นบ่อยที่สุดหมายถึงขนมปังในฐานข้อมูลเปลี่ยน

ผลลัพธ์ (ไทย) 3:

รักษาความเป็นส่วนตัวการทำเหมืองข้อมูลเป็นบริการในเมฆ

การค้นพบรูปแบบบ่อย กฎของสมาคม และความสัมพันธ์ความสัมพันธ์ระหว่างยอดเงินขนาดใหญ่ของข้อมูลเป็นประโยชน์กับธุรกิจอัจฉริยะ
ตัวอย่างทั่วไปของเหมือง itemset บ่อยคือการวิเคราะห์ตะกร้าตลาด
กระบวนการนี้วิเคราะห์พฤติกรรมลูกค้าโดยการหาซื้อสมาคมระหว่างรายการที่แตกต่างกันที่สถานที่ลูกค้าในตะกร้าช้อปปิ้งของพวกเขา
การค้นพบของสมาคมดังกล่าวสามารถช่วยให้ร้านค้าปลีกในการพัฒนากลยุทธ์ทางการตลาดโดยการดึงดูดความเข้าใจในรายการที่ลูกค้ามักซื้อด้วยกัน .
สำหรับทศวรรษที่ผ่านมา , ได้มีความสนใจในการทำเหมืองข้อมูลเป็นบริการ .
ในกระบวนทัศน์นี้บริษัท ( เจ้าของข้อมูล ) ที่ขาดการจัดเก็บข้อมูลคอมพิวเตอร์
ทรัพยากรและความเชี่ยวชาญ , เก็บข้อมูลในเมฆและเงินเดือนงานเหมืองแร่เมฆผู้ให้บริการ ( server )
ไม่ต้องสงสัยการทำเหมืองข้อมูลเป็นบริการที่มีประโยชน์มีคุณค่าในการข่าวกรองธุรกิจ .
แต่ยังพบปัญหาความเป็นส่วนตัวที่ร้ายแรง นั่นคือเซิร์ฟเวอร์ที่มีการเข้าถึงข้อมูลของ บริษัท และสามารถเรียนรู้ความลับทางธุรกิจจากมัน .
เพื่อปกป้องข้อมูลส่วนบุคคลข้อมูลของ บริษัท และยังช่วยให้เซิร์ฟเวอร์เพื่อดำเนินการสมาคมกฎเหมืองแร่บนข้อมูลในเมฆ , na ไตได้โซลูชั่นสำหรับเจ้าของข้อมูลซ่อนความหมายของรายการในฐานข้อมูลของรายการ จากรายการ เฉพาะหมายเลข
( ซึ่งรายการเดียวกัน คือ ใช้เบอร์เดียวกัน และรายการต่าง ๆ จะใช้ตัวเลขที่แตกต่างกัน )
one วิธีการทดแทนนี้ไม่ซ่อนความถี่ของรายการ ถ้าเซิร์ฟเวอร์
มีความรู้พื้นหลัง ( เช่นข้อมูลเกี่ยวกับความถี่ของบางรายการ ) , มันสามารถ reidentify พวกเขา โดยเฉพาะอย่างยิ่งรายการบ่อยที่สุด
ตัวอย่างเช่นถ้าอาหารเป็นสินค้าที่ใช้บ่อยที่สุดในฐานข้อมูลธุรกรรมค้าปลีก , เซิร์ฟเวอร์สามารถสรุปได้ว่า ตัวเลขที่เกิดขึ้นบ่อยที่สุดหมายถึงขนมปังในแปลงฐานข้อมูล