范 敏 杨 庚,2

1(南京邮电大学计算机学院 南京 210023)

2(江苏省大数据安全与智能处理重点实验室 南京 210023)(193474168@qq.com)

关联规则挖掘(association rule mining, ARM)是一项基本的数据挖掘任务，它首先被应用于分析市场上的购物篮来发现购买习惯.其中最著名的例子就是“尿布和啤酒”的故事.也许很难想象这2个项目会有关联，但是经过关联分析，市场经理发现买尿布的人更有可能买啤酒.关联规则被广泛应用于各种领域,如电信网络、市场购物篮分析的风险管理、卫生保健、Web使用挖掘等[1].最近的进展在科学和技术领域都产生了有争议的影响.一方面，关联规则挖掘能够在海量数据中发现潜在的有用规则；另一方面，过度挖掘关联规则会使敏感数据和用户的机密信息面临风险.因此，在保证数据安全和用户隐私的前提下，开发保护隐私的关联规则挖掘算法成为一个迫切需要解决的问题[2].

差分隐私[3]作为一种数据隐私保护技术，通过添加随机噪声来防止敏感信息的泄露.差分隐私模型是完全独立于攻击者的背景知识和计算能力的强隐私概念，已成为近年来的研究热点.与传统的隐私保护模式相比，差分隐私有其独特的优势.首先，模型假设攻击者拥有最大的背景知识；其次，差分隐私具有完整的数学基础，对隐私保护有严格的定义和可靠的定量评价方法.差分隐私是一种有效的隐私保护机制，它在保护用户隐私的同时，保留了足够的有用信息供数据分析使用.

差分……