Abordagem baseada na correlao para esconder itens sensveis na minerao de dados

O principal objectivo da prospecção de dados é extrair informação de alto nível ou escondida de grandes bases de dados. Juntamente com a vantagem de extrair um padrão útil, também constitui uma ameaça de revelar a informação sensível do utilizador. Podemos ocultar informação sensível do utilizador através da exploração de dados de preservação da privacidade (PPDM). Na mineração de dados, a mineração de regras de associação é um método popular e bem pesquisado para descobrir relações interessantes entre variáveis em grandes bases de dados. Como a regra de associação é uma ferramenta chave para encontrar tais padrões, certas regras de associação podem ser categorizadas como sensíveis se o seu risco de divulgação estiver acima de um determinado limiar especificado. A maioria das abordagens de preservação da privacidade na extracção de dados utiliza apoio e confiança. O autor deste livro propôs uma abordagem baseada na correlação que utiliza outras medidas que não o apoio e a confiança, tais como a correlação entre itens em conjuntos de itens sensíveis para esconder os conjuntos de itens sensíveis frequentes. As colunas do conjunto de dados com um valor limiar de correlação especificado são consideradas para o processo de ocultação. Este mecanismo é denominado mecanismo de ponderação do coeficiente de correlação de Pearson, que mantém o comércio entre privacidade e acuracidade.