[论文解读] A Noise Addition Scheme in Decision Tree for Privacy Preserving Data Mining

Mohammad Ali Kadampur, Durvasula V. L. N. Somayajulu|arXiv (Cornell University)|Jan 20, 2010

Privacy-Preserving Technologies in Data参考文献 14被引用 27

一句话总结

本文提出了一种噪声添加方案，通过在分析原始数据的决策树结构后扰动数值属性，以在基于决策树的数据挖掘中保护隐私。该方法确保混淆后的数据生成的决策树与原始数据相似，从而在不损害第三方分析实用性的前提下保护个人隐私。

ABSTRACT

Data mining deals with automatic extraction of previously unknown patterns from large amounts of data. Organizations all over the world handle large amounts of data and are dependent on mining gigantic data sets for expansion of their enterprises. These data sets typically contain sensitive individual information, which consequently get exposed to the other parties. Though we cannot deny the benefits of knowledge discovery that comes through data mining, we should also ensure that data privacy is maintained in the event of data mining. Privacy preserving data mining is a specialized activity in which the data privacy is ensured during data mining. Data privacy is as important as the extracted knowledge and efforts that guarantee data privacy during data mining are encouraged. In this paper we propose a strategy that protects the data privacy during decision tree analysis of data mining process. We propose to add specific noise to the numeric attributes after exploring the decision tree of the original data. The obfuscated data then is presented to the second party for decision tree analysis. The decision tree obtained on the original data and the obfuscated data are similar but by using our method the data proper is not revealed to the second party during the mining process and hence the privacy will be preserved.

研究动机与目标

• 解决在与第三方共享数据时决策树挖掘中的隐私泄露问题。
• 确保在数据挖掘过程中，数值属性中的敏感个人信息安全隐藏。
• 保持基于原始数据和混淆数据构建的决策树之间的结构相似性。
• 为传统数据挖掘提供一种实用的、保护隐私的替代方案，且无需依赖可信第三方。

提出的方法

• 该方法首先在原始数据集上构建决策树，以分析其结构。
• 然后根据决策树的分割标准和属性分布，向数值属性添加噪声。
• 噪声经过校准，以在掩盖个体数据点的同时保留整体决策树结构。
• 将混淆后的数据集共享给第三方用于决策树构建，从而确保隐私。
• 从噪声数据中生成的决策树与原始数据非常相似，保持了分析实用性。
• 该方法通过利用原始树的结构洞察来指导噪声添加，避免暴露原始数据。

实验结果

研究问题

• RQ1 如何在不显著降低模型准确率的前提下保护决策树挖掘中的隐私？
• RQ2 何种噪声添加策略能保持基于原始数据和混淆数据构建的决策树之间的结构相似性？
• RQ3 第三方能否在不访问原始敏感属性的情况下，对混淆数据执行有意义的数据挖掘？
• RQ4 该方法在多大程度上可防止数据集中个体记录的重新识别？
• RQ5 如何添加噪声，使其在保护隐私方面有效，同时保持决策树模型的实用性？

主要发现

• 在混淆数据上构建的决策树与在原始数据上构建的决策树结构非常接近。
• 噪声添加方案有效防止了数值属性中敏感个人信息的暴露。
• 该方法通过保持决策树对下游分析的高实用性，维护了其分析价值。
• 该方法确保不会向第三方暴露任何原始数据，从而保护了隐私。
• 原始决策树与混淆决策树之间的相似性证实了该方法有效平衡了隐私与实用性。
• 该方案适用于需要数据共享但必须通过受控扰动保护隐私的场景。