Khai thác dữ liệu phân tán bảo toàn tính riêng tư

BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC
VÀ CÔNG NGHỆ VIỆT NAM

VIỆN CÔNG NGHỆ THÔNG TIN




CAO TÙNG ANH



KHAI THÁC DỮ LIỆU PHÂN TÁN
BẢO TOÀN TÍNH RIÊNG TƢ







LUẬN ÁN TIẾN SĨ TOÁN HỌC

HÀ NỘI– 2014




BỘ GIÁO DỤC VÀ ĐÀO TẠO VIỆN HÀN LÂM KHOA HỌC
VÀ CÔNG NGHỆ VIỆT NAM

VIỆN CÔNG NGHỆ THÔNG TIN



CAO TÙNG ANH


KHAI THÁC DỮ LIỆU PHÂN TÁN
BẢO TOÀN TÍNH RIÊNG TƢ


Chuyên ngành: BẢO ĐẢM TOÁN HỌC CHO MÁY TÍNH
VÀ HỆ THỐNG TÍNH TOÁN
Mã số: 62.46.35.01



LUẬN ÁN TIẾN SĨ TOÁN HỌC

NGƢỜI HƢỚNG DẪN KHOA HỌC:
1. PGS.TSKH. NGUYỄN XUÂN HUY

2. PGS.TS. NGUYỄN MẬU HÂN




HÀ NỘI - 2014

1
LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả
trong luận án là trung thực và chƣa từng công bố trong bất kỳ công trình nào khác.

Tác giả luận án



Cao Tùng Anh




2
LỜI CÁM ƠN
Luận án đƣợc thực hiện và hoàn thành dƣới sự hƣớng dẫn của PGS.TSKH.
Nguyễn Xuân Huy và PGS.TS. Nguyễn Mậu Hân. Trong thời gian thực hiện luận
án, tác giả đã nhận đƣợc sự giúp đỡ và chỉ dẫn khoa học rất tận tình từ hai ngƣời
thầy của mình để có thể hoàn thành luận án này. Nhân dịp này tác giả xin đƣợc gửi
đến hai thầy: PGS.TSKH.Nguyễn Xuân Huy và PGS.TS. Nguyễn Mậu Hân lòng
biết ơn sâu sắc và lời cám ơn chân thành nhất.

Tác giả cũng xin đƣợc trân trọng cảm ơn PGS.TS. Thái Quang Vinh, GS.TS.
Vũ Đức Thi, PGS.TS. Đoàn Văn Ban, PGS.TS. Đặng Văn Đức, PGS.TS. Ngô Quốc
Tạo, PGS.TS. Đỗ Năng Toàn, PGS.TS. Lƣơng Chi Mai, PGS.TS.Nguyễn Thanh
Tùng là những thầy (cô) của Viện Công Nghệ Thông Tin đã quan tâm chỉ bảo, động
viên và giúp đỡ tác giả trong suốt quá trình học tập, nghiên cứu và hoàn thiện luận
án.
Tác giả cũng xin trân trọng cảm ơn PGS.TS. Lê Hoài Bắc và các bạn đồng
nghiệp trong nhóm nghiên cứu tại TP.Hồ Chí Minh đã đọc và cho những ý kiến
đóng góp quý báu cho nội dung luận án.
Cuối cùng xin chân thành cảm ơn các bạn đồng nghiệp tại khoa CNTT, trƣờng
Đại học Công nghệ TP.Hồ Chí Minh đã cổ vũ, động viên, giúp đỡ về nhiều mặt cho
tác giả trong thời gian thực hiện luận án.

3
MỤC LỤC
LỜI CAM ĐOAN 1
LỜI CÁM ƠN 2
MỤC LỤC 3
DANH MỤC CÁC HÌNH 5
DANH MỤC CÁC BẢNG 7
DANH MỤC TỪ VIẾT TẮT 8
PHẦN MỞ ĐẦU 9
CHƢƠNG 1 Một số khái niệm về cơ sở dữ liệu phân tán, khai thác dữ liệu và
bảo toàn tính riêng tƣ 19
1.1. Cơ sở dữ liệu phân tán 19
1.1.1. Khái niệm cơ sở dữ liệu phân tán 19
1.1.2. Cơ sở dữ liệu phân tán ngang 19
1.1.3. Cơ sở dữ liệu phân tán dọc 21
1.2. Khai thác dữ liệu 23
1.2.1. Khái niệm khai thác dữ liệu 23

1.2.2. Một số thuật toán khai thác dữ liệu 24
1.3. Bảo đảm tính riêng tƣ 31
1.3.1. Khái niệm 31
1.3.2. Phân loại các phƣơng pháp PPDM 32
1.3.3. Đánh giá một thuật toán PPDM 34
1.4. Một số phƣơng pháp giấu dữ liệu 35
1.4.1. Xáo trộn 35
1.4.2. Ngăn chặn 36
1.4.3. Gom / trộn 36
1.4.4. Đổi chỗ 36
1.4.5. Lấy mẫu 37
1.4.6. Ứng dụng lý thuyết giàn giao 41
1.5. Một số kỹ thuật khai thác dữ liệu bảo đảm tính riêng tƣ 49
1.5.1. Kỹ thuật chỉnh sửa dữ liệu trong cơ sở dữ liệu nhị phân 49
1.5.2. Kỹ thuật thay giá trị dữ liệu thật bằng giá trị không xác định 53
1.5.3. Phƣơng pháp tái tạo 56
1.6. Kết chƣơng 58
CHƢƠNG 2 Khai thác dữ liệu trên CSDL phân tán 60
2.1. Giới thiệu 60

4
2.2. Khai thác trên cơ sở dữ liệu phân tán dọc 60
2.2.1. Cách thực hiện 60
2.2.2. Thuật toán khai thác trên CSDL phân tán dọc với phép kết ngoại 62
2.2.3. Thuật toán khai thác CSDLPT dọc với phép kết ngoại hai chiều 66
2.2.4. Thuật toán khai thác CSDLPT dọc bằng phép kết tự nhiên 68
2.3. Khai thác trên cơ sở dữ liệu phân tán ngang 73
2.3.1. Cách thực hiện 73
2.3.2. Nhận xét phƣơng pháp 75
2.4. Khai thác song song tập phổ biến trên CSDL phân tán 75

2.4.1. Đặt vấn đề 75
2.4.2. Mô hình khai thác 76
2.4.3. Thuật toán khai thác tập phổ biến trên Master 78
2.5. Khai thác tập mục có lợi ích cao 81
2.5.1. Đặt vấn đề 81
2.5.2. Khai thác tập mục có lợi ích cao 81
2.6. Kết chƣơng 86
CHƢƠNG 3 Khai thác dữ liệu phân tán bảo đảm tính riêng tƣ 87
3.1. Giới thiệu chƣơng 87
3.2. Khai thác CSDL phân tán dọc bảo đảm tính riêng tƣ 87
3.2.1. Đặt vấn đề 87
3.2.2. Thuật toán 88
3.2.3. Minh họa thuật toán: 89
3.3. Khai thác CSDL phân tán ngang bảo đảm tính riêng tƣ 94
3.3.1. Đặt vấn đề 94
3.3.2. Một số công cụ tính toán đa bên an toàn. 95
3.3.3. Giải thuật khai thác tập phổ biến đảm bảo riêng tƣ và chống thông đồng trên dữ
liệu phân tán ngang. 96
3.4. Giao thức khai thác CSDL phân tán ngang bảo đảm tính riêng tƣ 107
3.4.1. Đặt vấn đề 107
3.4.2. Cơ sở lý thuyết 108
3.4.3. Giao thức khai thác 109
3.4.4. Đánh giá giao thức 113
3.4.5. Thực nghiệm giao thức 113
3.5. Kết chƣơng 114
PHẦN KẾT LUẬN 116
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ 120
TÀI LIỆU THAM KHẢO 121

5
DANH MỤC CÁC HÌNH
Hình 1.1. Thuật toán IT-Tree phát sinh tập phổ biến thỏa ngƣỡng minsup 30
Hình 1.2. Kết quả khai thác với ngƣỡng minsup=50% 31
Hình 1.3. Đồ thị dàn các tập mục thƣờng xuyên 43
Hình 1.4. Gian giao đầy đủ của tập Poset (ABE) 44
Hình 1.5. Thuật toán Itemhide- Ẩn tập mục nhạy cảm 46
Hình 1.6. Thuật toán 1a 51
Hình 1.7. Thuật toán 1b 51
Hình 1.8. Thuật toán 2a 52
Hình 1.9. Thuật toán 2b 52
Hình 2.1. Mô hình hoạt động khai thác luật trên CSDL phân tán 60
Hình 2.2. Thuật toán Eclat_Distribute_Left_Join 63
Hình 2.3. Biểu diễn các mục đơn của DB
1
65
Hình 2.4. Biểu diễn các mục đơn của DB
1
và DB
2
65
Hình 2.5. Kết quả khai thác trên CSDL phân tán với phép kết Left-join 66
Hình 2.6. Thuật toán Eclat_Distribut_Full_Join 67
Hình 2.7. Kết quả khai thác trên CSDLPT dọc với phép kết ngoại hai chiều 68
Hình 2.8. Thuật toán phát sinh tập phổ biến thỏa ngƣỡng minsup 69
Hình 2.9. Cây biểu diễn các mục đơn của DB
1
và DB
2
71

Hình 2.10. Cây biểu diễn khai thác tập phổ biến trên CSDL phân tán 71
Hình 2.11. Mô hình tổng quát khai thác trên CSDL phân tán ngang 77
Hình 2.12. Trao đổi thông tin và khai thác tâp phổ biến giữa Master và Slaver 77
Hình 2.13. Kết quả khai thác từ Slave 1 theo thuật toán Eclat 78
Hình 2.14. Kết quả khai thác từ Slave 2 theo thuật toán Eclat 78
Hình 2.15. Thuật toán PEclat 79
Hình 2.16. Kết quả của PEClat với minsup=50% 80
Hình 2.17. Cây WIT-Tree 82
Hình 2.18. Thuật toán TWU-Mining 83
Hình 2.19. Minh họa thuật toán TWU-Mining 84
Hình 3.1. Thuật toán phát sinh tập phổ biến 88
Hình 3.2. Sơ đồ hoạt động của thuật toán 89
Hình 3.3. Kết quả tạo ra lớp tƣơng đƣơng [] 91
Hình 3.4. Kết quả khai thác trên CSDL phân tán dọc 91
Hình 3.5. Thủ tục Create_Fitree 98
Hình 3.6. Thủ tục Secure_Support(X) 98
Hình 3.7. Thủ tục Extend_Fitree& Upper_Bound 99

6
Hình 3.8. Thủ tục Upper_Bound 100
Hình 3.9. Kết quả FITree sau khi xử lý nút gốc 101
Hình 3.10. Kết quả FITree sau khi xử lý nút A 102
Hình 3.11. Sự phụ thuộc thời gian vào số lƣợng máy trên CSDL Accident 107
Hình 3.12. Sự phụ thuộc thời gian vào số lƣợng máy trên CSDL bảo hiểm 107
Hình 3.13. Giao thức đảm bảo tính riêng tƣ 110
Hình 3.14. CSDL tập trung và CSDL phân tán 112
Hình 3.15. Các bên tính độ hỗ trợ cục bộ 112
Hình 3.16. Tính độ hỗ trợ toàn cục và tập phổ biến toàn cục 112
Hình 3.17. So sánh tổng chi phí của GTDX và GT M.Hussein 114

7
DANH MỤC CÁC BẢNG
Bảng 1.1. Quan hệ dự án (DA) 19
Bảng 1.2. Kết quả phân tán ngang nguyên thủy 20
Bảng 1.3. Quan hệ chi trả 20
Bảng 1.4. Quan hệ nhân viên 20
Bảng 1.5. Kết quả phân mảnh ngang dẫn xuất quan hệ NV 21
Bảng 1.6. Quan hệ nhân viên 21
Bảng 1.7. Kết quả phân tán dọc từ bảng 1.6 22
Bảng 1.8. Cơ sở dữ liệu giao dịch 30
Bảng 1.9. CSDL T 22 giao tác đƣợc viết thành 2 mảnh 42
Bảng 1.10. Tập mục thƣờng xuyên theo ngƣỡng  = 4 42
Bảng 1.11. So sánh các thuật toán 50
Bảng 2.1. Cơ sở dữ liệu của Master 61
Bảng 2.2. Cơ sở dữ liệu của Slave 61
Bảng 2.3. Cơ sở dữ liệu sau khi kết 61
Bảng 2.4. Cơ sở dữ liệu của 2 bên tham gia khai thác 64
Bảng 2.5. Cơ sở dữ liệu kết ngoại (Left Join) 64
Bảng 2.6. CSDL với phép kết ngoại “hai chiều” 66
Bảng 2.7. Cơ sở dữ liệu của 2 bên tham gia khai thác 69
Bảng 2.8. Cơ sở dữ liệu của bên A kết với bên B 70
Bảng 2.9. Kết quả thực nghiệm trên CSDL CO-OP Mark TP.HCM 73
Bảng 2.10. Cơ sở dữ liệu của Master 74
Bảng 2.11. Cơ sở dữ liệu của Slave 74
Bảng 2.12. Cơ sở dữ liệu sau khi hội Master và Slave 74
Bảng 2.13. CSDL mẫu 76

Bảng 2.14. Cơ sở dữ liệu phân tán của bảng 2.13 76
Bảng 2.15. Bảng giá trị khách quan 82
Bảng 2.16. Bảng giá trị chủ quan 82
Bảng 2.17. Bảng CSDL thực nghiệm 85
Bảng 2.18. Bảng thực nghiệm 2 thuật toán trong CSDL BMS-POS 85
Bảng 2.19. Bảng thực nghiệm 2 thuật toán trong CSDL Retail 86
Bảng 3.1. CSDL thực của hai bên Master và Slave 89
Bảng 3.2. CSDL giả của hai bên Master và Slave 90
Bảng 3.3. Kết quả thực nghiệm trên CSDL CO-OP Mart TP.HCM 93
Bảng 3.4. Minh họa hệ thống gồm 2 bên S
1
, S
2
101
Bảng 3.5. Thời gian chạy trên CSDL Accidents 106
Bảng 3.6. Thời gian chạy trên CSDL bảo hiểm 106
Bảng 3.7. Thông tin về các CSDL thực nghiệm 114

8
DANH MỤC TỪ VIẾT TẮT
STT
Từ viết tắt
Diễn giải tiếng Anh
Diễn giải tiếng Việt
1
CSDL
Database
Cơ sở dữ liệu
2
CSDLPT

Database distributed
Cơ sở dữ liệu phân tán
3
GTDX
Proposed protocol
Giao thức đề xuất
4
WIT-Tree
Weighted Itemset-Tidset
tree
Cây tập mục-tập giao dịch có trọng số
5
TWU
Tree Weighted Utility
Cây lợi ích có trọng số
6
FI
Frequent Itemsets
Tập phổ biến
7
FP-tree
Fast Parallel tree
Cây khai thác song song nhanh
8
FDM
Fast Distributed Mining
Khai thác phân tán nhanh
9
SVM
Support Vector

machines
Sử dụng vectơ trong hỗ trợ phân lớp
10
PPDM
Privacy Preserving Data
Mining
Khai thác dữ liệu bảo toàn tính riêng tƣ
11
RSA
Revest-Shamir-
Adleman
Hệ mã hóa RSA
12
SM
Safety margin
Ngƣỡng an toàn
13
MST
Min support
Độ hỗ trợ tối tiểu
14
MFI
Maximal Frequent
Itemset
Tập phổ biến tối đại
15
MCT
Min Confident
Ngƣỡng độ tin cậy
16

TID
Transaction index
Chỉ mục của giao dịch
17
IT-Tree
Itemset Tidset tree
Cây tập mục -tập giao dịch
18
HUIs
High Utility Itemsets
Tập tiện ích cao
19
DBS
Dynamic Bit String
Chuỗi bít động
20
SH
Semi Honest
Trung thực một nửa



9
PHẦN MỞ ĐẦU

1. Đặt vấn đề
Cơ sở dữ liệu (CSDL) phân tán là một cấu trúc dữ liệu hiện nay đang phát
triển rất nhanh và chúng ta thƣờng gặp chúng trong thực tế nhƣ : CSDL của một hệ
thống ngân hàng, của các công ty bảo hiểm, của các tổng công ty thƣơng mại có
một hệ thống cửa hàng phát triển ở nhiều nơi hay nhƣ CSDL của các thành viên

thuộc tổ chức cảnh sát quốc tế .v.v.
Khai thác dữ liệu là quá trình tìm kiếm các mẫu mới, những thông tin tiềm ẩn
mang tính dự đoán trong các khối dữ liệu lớn. Những công cụ khai thác dữ liệu có
thể phát hiện những xu hƣớng trong tƣơng lai, các tri thức mà khai thác dữ liệu
mang lại cho các đơn vị có thể ra các quyết định kịp thời và trả lời những câu hỏi
trong lĩnh vực mà trƣớc đây tốn rất nhiều thời gian để xử lý. Với ƣu điểm trên, khai
thác dữ liệu đã chứng tỏ đƣợc tính hữu dụng của nó trong môi trƣờng kinh doanh
đầy tính cạnh tranh ngày nay và đƣợc ứng dụng rộng rãi trong các lĩnh vực thƣơng
mại, tài chính, điều trị y học, giáo dục, viễn thông, quốc phòng .v.v.
Trong thực tế, phần lớn CSDL phân tán dùng để khai thác thƣờng liên quan
đến nhiều cá nhân hoặc nhiều tổ chức. Bản thân dữ liệu là thông tin nhạy cảm hoặc
quá trình phân tích dữ liệu cho ra tri thức có tính nhạy cảm. Một số tổ chức muốn
chia sẻ dữ liệu theo kiểu cùng phối hợp dữ liệu để khai thác trên dữ liệu chung,
nhƣng mỗi bên lại muốn đảm bảo tính riêng tƣ cho dữ liệu của chính mình. Khai
thác dữ liệu phân tán đảm bảo tính riêng tƣ là hƣớng nghiên cứu nhằm đề ra giải
pháp bảo vệ tính riêng tƣ của dữ liệu lẫn tri thức trƣớc và sau khi thực hiện khai
thác trên dữ liệu.
Ví dụ 1
Khi nhiều bệnh viện muốn cùng nhau phối hợp dữ liệu để khai thác cho ra
những thông tin có ích cho việc phòng và chữa một số bệnh chung thì dữ liệu về
thông tin của một cá nhân nhƣ: tên, địa chỉ, ngày sinh, số điện thoại, thu nhập, bệnh
tật, … là thông tin nhạy cảm cần phải đƣợc sửa đổi, mã hóa hoặc che giấu theo cách

10
nào đó để bên sử dụng dữ liệu không thể phát hiện và vi phạm tính riêng tƣ của họ.
Nhƣng mặt khác, dữ liệu đƣợc sử dụng vẫn phải là đáng tin cậy.
Ví dụ 2
Công ty A có một CSDL về các giao dịch bán hàng, CSDL này chứa đựng một
số tri thức rất có lợi cho hoạt động kinh doanh. Công ty B mong muốn cùng đƣợc
chia sẻ dữ liệu với công ty A. Vì mối quan hệ, A đồng ý nhƣng vì liên quan đến

chiến lƣợc kinh doanh, trƣớc khi gửi cơ sở dữ liệu cho B, A đã thay đổi dữ liệu theo
chiều hƣớng giấu đi những tri thức nhạy cảm mà A cho là quan trọng và không
muốn tiết lộ.
Ví dụ 3
Cơ quan tình báo của một nƣớc X quan sát hoạt động T
x
= (x
1
, x
2
, …, x
n
) trong
một thời gian dài. Cơ quan tình báo của Y cũng quan sát một hoạt động T
y
(y
1
, y
2
,
…, y
m
) trong một thời gian dài. Họ muốn tìm ra những hoạt động của T
y
có tƣơng
quan với bất kỳ hoạt động nào của T
x
hay không. Kết quả của sự phối hợp dữ liệu
có thể giúp cả 2 nƣớc hiểu ra khuynh hƣớng hoạt động của các đối tƣợng, nhƣ các
hành vi của các tổ chức bị nghi ngờ là khủng bố, những hoạt động quân sự chống

đối với từng quốc gia. Tuy nhiên cả X lẫn Y đều không muốn tiết lộ những thông
tin thật của mình cho những nƣớc kia vì họ không hoàn toàn tin tƣởng lẫn nhau. Vì
vậy, trƣớc khi phối hợp dữ liệu để khai thác, hai bên sẽ thống nhất một phƣơng
pháp chung để không làm lộ dữ liệu thật của bên này cho phía bên kia và ngƣợc lại.
Trƣờng hợp một và trƣờng hợp hai là bài toán thay đổi dữ liệu để việc chia sẻ
dữ liệu không làm mất đi một số tri thức nhạy cảm. Ở ví dụ sau cùng, hai hay nhiều
tổ chức đều có dữ liệu riêng và cùng muốn khai thác trên dữ liệu chung của các bên,
nhƣng không ai muốn tiết lộ dữ liệu của mình. Các bên phải phối hợp để tìm ra một
phƣơng cách chung, từ đó vẫn khai thác đƣợc các tri thức có ích cho mỗi bên và vẫn
bảo toàn riêng tƣ cho dữ liệu của các bên tham gia.
Một ví dụ điển hình truyền thống là việc mua bán hàng ở các cửa hàng khác
nhau của cùng một cộng đồng khách hàng, một cửa hàng có thể chỉ chuyên việc
mua bán hàng tạp phẩm, trong khi cửa hàng kia dùng cho việc mua bán quần áo. Sử
dụng một chìa khoá duy nhất là mã khóa khách hàng, ngƣời ta có thể khai thác

11
những quy luật liên quan đến việc mua bán những mặt hàng khác nhau. Một ví dụ
tƣơng tự liên quan đến hai bệnh viện khác nhau cùng phục vụ một cộng đồng, một
bệnh viện chuyên về các bệnh Tai - Mũi - Họng và bênh viện khác chuyên các bệnh
về Mắt. Nếu hai bệnh viện kết hợp dữ liệu lại ngƣời ta có thể tìm ra những quy luật
về bệnh thông qua khóa là mã bệnh nhân. Rõ ràng nếu tất cả các bên tham gia cùng
muốn chia sẻ dữ liệu của mình để tiến hành việc khai thác thì vấn đề sẽ đƣợc giải
quyết. Ở đây chúng ta đề cập đến vấn đề nhạy cảm là các bên sẽ cố gắng bảo vệ tính
bảo mật CSDL riêng của mình và thoả hiệp để thực hiện quy trình khám phá kiến
thức từ CSDL chung.
Các nghiên cứu liên quan
Hiện nay, theo tìm hiểu của tác giả luận án về các nghiên cứu khai thác dữ liệu
cho thấy, phần lớn các hƣớng nghiên cứu thƣờng tập trung vào khai thác các tập
phổ biến từ một số lƣợng lớn dữ liệu tập trung, tất cả dữ liệu đƣợc lƣu trữ tại một vị
trí. Gần đây, cũng có một số tác giả [22],[29],[31],[37] đề xuất hƣớng nghiên cứu

khai thác dữ liệu trên cơ sở dữ liệu phân tán ngang, có quan tâm đến việc bảo toàn
tính riêng tƣ của các bên tham gia.
Thuật toán SFDM [33]: Đƣợc đề xuất bởi Murat Kantarcioglu và Chris Clifton
(2004), là sự cải tiến của thuật toán FDM(Fast Distributed Mining) trong [21] nhằm
đảm bảo tính riêng tƣ. Tác giả đã áp dụng tính chất giao hoán của hệ mã hóa
RSA(Rivest-Shamir-Adleman) để ẩn danh nguồn gốc của các itemsets trong quá
trình trao đổi. Để bảo vệ độ phổ biến cục bộ của tập phổ biến X (Itemset X), mỗi
bên tham gia khai thác thứ i bất kỳ (S
i
) sử dụng độ hỗ trợ vƣợt ngƣỡng
i
X
excess
=|
i
X|
+ s%×|
i
DB| thay cho độ hỗ trợ cục bộ. Ví dụ: S
1
phát sinh số bí mật R
1
, tính v
1
=
1
X
excess
+ R
1

và gởi v
1
đến S
2
, S
2
tính v
2
= v
1
+
2
X
excess
và gởi kết quả đến S
3
,…, sau
khi tính v
m
= v
m-1
+
m
X
excess
, S
m
thực hiện phép so sánh riêng tƣ v
m
với R

1
trong S
1
.
Nếu v
m
≥ R
1
thì X là phổ biến toàn cục. Theo tác giả của bài báo, thuật toán SFDM
chỉ an toàn khi không có sự thông đồng trong hệ thống, cụ thể nếu S
i-1
và S
i+1
thông
đồng với nhau thì có thể suy ra giá trị riêng của S
i
.


12
Thuật toán CRDM [39]: Đƣợc đề xuất bởi Urabe (2007). Ý tƣởng chính của
thuật toán là thực hiện phép tính tổng an toàn, bằng cách chia nhỏ mỗi giá trị riêng
tƣ đến một số bên khác nhau trong hệ thống, để từ đó nhận đƣợc kết quả cuối cùng.
Tác giả đã chứng minh rằng, tính riêng tƣ trong thuật toán CRDM có thể bị vi phạm
khi có ít nhất n-2 bên thông đồng với nhau.
Thuật toán của Vladimir Estivill-Castro [22] (2007): Tác giả đã sử dụng kỹ
thuật mã hóa công khai để chia sẻ dữ liệu ẩn danh, thay thế cho mã hóa giao hoán.
Thuật toán sử dụng một bên đặc biệt (S
1
) để khởi tạo, phát sinh và phân phối khóa

mã hóa cho tất cả các bên còn lại trong hệ thống. S
1
mã hóa dữ liệu của mình và gởi
đến S
2
, lần lƣợt các S
i
(i = 2, 3 ,…, m) mã hóa dữ liệu hiện có và trộn với dữ liệu
nhận đƣợc từ S
i-1
, sau khi loại bỏ các bộ thừa, gởi kết quả đến S
(i mod m)+1
. Kết thúc
thuật toán, S
1
có tập dữ liệu đầy đủ nhƣng đã đƣợc làm mờ nguồn gốc sở hữu. Do
chỉ sử dụng một lần lặp duy nhất nên thời gian chạy của thuật toán nhanh hơn các
thuật toán sử dụng kỹ thuật mã hóa giao hoán trƣớc đây. Tuy nhiên, mức độ đảm
bảo riêng tƣ của thuật toán này phụ thuộc hoàn toàn vào bên khởi tạo.
Thuật toán của Mahmoud Hussein [31] (2008): Tác giả đã cải tiến thuật toán
trong [23] bằng cách tái sắp xếp vai trò của các bên nhằm tăng mức độ an toàn cũng
nhƣ thời gian chạy. Thuật toán đã sử dụng hai bên đặc biệt gọi là Initiator và
Combiner, Initiator có nhiệm vụ khởi tạo khóa, tính toán kết quả cuối cùng,
Combiner có nhiệm vụ sƣu tập dữ liệu từ các client, xáo trộn và trao đổi với
Initiator. Mức độ đảm bảo riêng tƣ của thuật toán này phụ thuộc vào khả năng thông
đồng có thể xảy ra giữa Initator và Combiner.
Bắt đầu từ năm 2002, đã có một số tác giả công bố các bài nghiên cứu về kỹ
thuật khai thác dữ liệu trên cơ sở dữ liệu phân tán dọc có nghiên cứu đến bảo toàn
tính riêng tƣ của các bên tham gia.
Thuật toán của Boris Rozenberg và Ehud Gudes [18] (2005) các tác giả đã

trình bày thuật toán cho phép khai thác cơ sở dữ liệu phân tán dọc có 2 bên và nhiều
bên (n bên) tham gia. Thuật toán để xuất của các tác giả sử dụng thuật toán Apriori
để khai thác và bảo đảm tính riêng tƣ cho dữ liệu của các bên tham gia bằng cách sử
dụng một bên là trung gian để hỗ trợ cho n-1 bên khai thác mà không để lộ dữ liệu

13
của các bên tham gia. Thuật toán cũng đã đánh giá khả năng bảo toàn tính riêng tƣ
thông qua xác suất phát hiện dữ liệu giả từ bên khai thác với bên cung cấp dữ liệu
trong một số trƣờng hợp cụ thể.

Mô hình khai thác CSDL phân tán dọc với n bên
Trong thuật toán này, một bên đƣợc gọi là Master sẽ nhận dữ liệu (đã đƣợc
làm giả) trực tiếp từ các bên tham gia từ đó tạo ra dữ liệu và gửi lại cho các bên
đồng thời dựa vào bên trung gian (Active slave) để biết thêm thông tin từ đó khai
thác trên cơ sở dữ liệu chung của các bên. Các bên tham gia (Slave 1, ,Slave n-2)
có nhiệm vụ cung cấp thông tin giả cho bên Master và một thông tin về số lƣợng
TIDS + vector cho bên trung gian. Sau khi Master khai thác xong lần lƣợt các bên
còn lại sẽ đổi vai trò cho nhau để mỗi bên đều đƣợc khai thác tri thức từ dữ liệu góp
chung.
Về các thuật toán khai thác song song trên cơ sở dữ liệu phân tán, năm 2001,
Parthasarathy và cộng sự [35] đã khái quát các nghiên cứu về song song hóa khai
thác luật kết hợp và kiến trúc chia sẻ bộ nhớ, cũng nhƣ xu hƣớng, khó khăn, sự thay
thế trong khai thác song song. Các phƣơng pháp hầu hết đặt nền tảng trên thuật toán
Apriori. Tang và Turkia [34] vào năm 2005 cũng đề xuất mô hình khai thác song
song dựa trên ý tƣởng sử dụng phƣơng pháp FP-tree (Fast Parallel Tree) nhằm cải
tiến các thuật toán trƣớc đó về giảm thời gian khai thác.