1、近年來，網(wǎng)絡技術不斷發(fā)展，數(shù)據(jù)規(guī)模成幾何增長，通過數(shù)據(jù)挖掘技術對原始數(shù)據(jù)提取分析，獲得了有價值的知識。然而數(shù)據(jù)的隱私問題引起了挖掘應用者的高度重視，尤其是在分布式環(huán)境下。數(shù)據(jù)擾動技術是簡單高效的隱私保護方法，為了達到隱藏保密信息的效果，多使用噪聲對原始數(shù)據(jù)進行擾動，但其適用于集中式環(huán)境中。DBSCAN對簇集使用基于密度的定義，因此它受數(shù)據(jù)對象中的噪聲點影響較小，并且對簇集的形狀和大小沒有特殊要求。該特性使得DBSCAN算法在隱私保護技術

2、下能夠發(fā)現(xiàn)更多的簇。然而DBSCAN算法并不是完美無缺的，其算法自身仍存在計算復雜度高、對高維和變密度簇的處理能力差等缺陷，當數(shù)據(jù)集趨向于海量、稀疏分布時，這種缺陷表現(xiàn)的更為明顯。
　　針對上述問題，本文使用小波變換作為隱私保護方法，其對原始數(shù)據(jù)擾動的同時降低數(shù)據(jù)的維度，并使用相應的安全協(xié)議保證分布式環(huán)境下的交互安全。重新定義臨近性度量和核心密度可達鏈，對基于密度的聚類算法進行改進。進一步降低簇鄰接數(shù)據(jù)對聚類準確度的影響，與基于小

3、波的隱私保護技術形成一個整體，為分布式環(huán)境下的數(shù)據(jù)提供良好的處理環(huán)境。本文的主要工作如下:
　　1)針對DBSCAN算法計算復雜度高、對高維和變密度簇的處理能力差的問題，提出改進的K-DBSCAN算法。使用K近鄰來反映數(shù)據(jù)對象之間的相似性關系，減少對高維和變密度數(shù)據(jù)的聚類誤差。而構建K最近鄰時間復雜度較高，為了提高算法的效率，使用kd樹的方法有效找出K最近鄰，降低計算復雜度。定義核心密度可達鏈替代密度可達鏈，用一個僅包含核心點的核

4、心密度可達鏈來進行擴展聚類，以此提高聚類的準確性;
　　2)針對現(xiàn)有分布式隱私保護算法無法滿足效率與隱私之間較好折衷的問題，提出基于安全多方計算與小波數(shù)據(jù)擾動相結合的分布式隱私保護聚類算法。各數(shù)據(jù)方使用小波變換實現(xiàn)數(shù)據(jù)壓縮和信息隱藏，并用屬性列的隨機重排來防止數(shù)據(jù)重構可能產生的信息泄露。該算法僅使用壓縮重排后的數(shù)據(jù)參與分布聚類計算，因此計算量和通信量小，算法效率高，而多重保護措施有效保護了隱私數(shù)據(jù)。因小波變換具有高保真性，所以聚類