Abordagem baseada na correlação para esconder itens sensíveis na mineração de dados

O principal objectivo da prospec o de dados extrair informa o de alto n vel ou escondida de grandes bases de dados. Juntamente com a vantagem de extrair um padr o til, tamb m constitui uma amea a de revelar a informa o sens vel do utilizador. Podemos ocultar informa o sens vel do utilizador atrav s da explora o de dados de preserva o da privacidade (PPDM). Na minera o de dados, a minera o de regras de associa o um m todo popular e bem pesquisado para descobrir rela es interessantes entre vari veis em grandes bases de dados. Como a regra de associa o uma ferramenta chave para encontrar tais padr es, certas regras de associa o podem ser categorizadas como sens veis se o seu risco de divulga o estiver acima de um determinado limiar especificado. A maioria das abordagens de preserva o da privacidade na extrac o de dados utiliza apoio e confian a. O autor deste livro prop s uma abordagem baseada na correla o que utiliza outras medidas que n o o apoio e a confian a, tais como a correla o entre itens em conjuntos de itens sens veis para esconder os conjuntos de itens sens veis frequentes. As colunas do conjunto de dados com um valor limiar de correla o especificado s o consideradas para o processo de oculta o. Este mecanismo denominado mecanismo de pondera o do coeficiente de correla o de Pearson, que mant m o com rcio entre privacidade e acuracidade.