Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Trong bối cảnh công nghệ thông tin phát triển và dữ liệu số gia tăng nhanh chóng, việc phân tích và khai phá tri thức từ các kho dữ liệu lớn trở thành nhu cầu thiết yếu. Kỹ thuật khai phá tập mục thường xuyên và luật kết hợp truyền thống chủ yếu dựa trên tần suất xuất hiện đồng thời của các mục dữ liệu mà không xét đến tầm quan trọng, số lượng hoặc lợi nhuận của từng mục. Khai phá hữu ích cao (High Utility Mining - HUM) được đề xuất nhằm khắc phục hạn chế này bằng cách kết hợp cả hữu ích nội (số lượng mua) và hữu ích ngoại (giá trị, đơn giá lợi nhuận) của từng mục trong cơ sở dữ liệu (CSDL) giao tác.

Tuy nhiên, khi chia sẻ CSDL cho các đối tác hoặc công bố phục vụ hợp tác thương mại, dữ liệu có thể làm lộ các mẫu thông tin mang tính chiến lược hoặc bí mật kinh doanh (gọi chung là thông tin nhạy cảm). Kỹ thuật bảo vệ tính riêng tư trong khai phá hữu ích cao (Privacy Preserving Utility Mining - PPUM) được áp dụng nhằm sửa đổi CSDL gốc sao cho các thuật toán khai phá không thể trích xuất được các mẫu nhạy cảm, đồng thời duy trì khả năng khai thác các tri thức hữu ích không nhạy cảm khác. Quá trình sửa đổi này tất yếu phát sinh các hiệu ứng phụ như làm mất các tập mẫu không nhạy cảm (Miss Cost - MC), sinh ra các mẫu giả mạo (Artificial Cost - AC), hoặc làm biến dạng cấu trúc và giá trị hữu ích của CSDL gốc. Khoảng trống nghiên cứu đặt ra là các kỹ thuật heuristic hiện hữu thường áp dụng chung chiến lược chọn mục mục tiêu cho cả hai thao tác sửa và xóa dữ liệu, dẫn đến tỷ lệ hiệu ứng phụ còn cao; đồng thời các hướng bài toán như ẩn tập mục hữu ích trung bình cao nhạy cảm, ẩn luật kết hợp hữu ích cao nhạy cảm và ứng dụng cấu trúc giàn đại số vào tối ưu hóa quá trình che giấu dữ liệu vẫn chưa được khảo sát đầy đủ.

Mục tiêu nghiên cứu

Luận án xác định hai mục tiêu nghiên cứu cụ thể:

  1. Nghiên cứu và đề xuất các thuật toán ẩn tập mục hữu ích cao nhạy cảm, tập mục hữu ích cao và phổ biến nhạy cảm, tập mục hữu ích trung bình cao nhạy cảm và luật kết hợp hữu ích cao nhạy cảm dựa trên kỹ thuật heuristic nhằm giảm thiểu các hiệu ứng phụ.
  2. Nghiên cứu và ứng dụng lý thuyết Giàn (Lattice theory) để xây dựng cấu trúc giàn giao có ràng buộc, từ đó phát triển thuật toán lựa chọn mục mục tiêu tối ưu nhằm giảm thiểu sự sai khác dữ liệu và hiệu ứng phụ trong quá trình che giấu thông tin nhạy cảm.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu:
    • Cơ sở dữ liệu giao tác chứa thông tin về số lượng và giá trị hữu ích của các mục dữ liệu.
    • Các thuật toán che giấu thông tin nhạy cảm: Ẩn tập mục hữu ích cao nhạy cảm (SHUIs), ẩn tập mục hữu ích cao và phổ biến nhạy cảm (SHUFIs), ẩn tập mục hữu ích trung bình cao nhạy cảm (SHAUIs), và ẩn luật kết hợp hữu ích cao nhạy cảm (HRs).
    • Công cụ toán học: Lý thuyết giàn, cấu trúc giàn giao của tập hợp.
  • Phạm vi nghiên cứu:
    • Tiếp cận kỹ thuật làm xáo trộn dữ liệu (Data distortion) dựa trên heuristic và lý thuyết giàn trên CSDL giao tác tĩnh.
    • Nghiên cứu cơ sở lý thuyết, mô hình giải thuật, phân tích độ phức tạp tính toán và đánh giá thực nghiệm trên 06 bộ dữ liệu chuẩn và nhân tạo.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu nền tảng

  1. Khai phá tập phổ biến có trọng số và khai phá hữu ích cao:

    • Cai và cộng sự (1998) đề xuất bài toán khai phá tập mục phổ biến có trọng số với thuật toán MINWAL dựa trên cận trên $k$-support thỏa mãn tính chất Apriori.
    • Yun và cộng sự (2003) đề xuất thuật toán WFIM sử dụng cấu trúc FP-Tree (Han và cộng sự, 2000) để giảm số lần quét CSDL xuống còn 2 lần.
    • Hong Yao và cộng sự (2004, 2006) đặt nền móng cho mô hình khai phá tập mục hữu ích cao (HUIM) với hai độ đo hữu ích giao tác và hữu ích ngoại, cùng các thuật toán Uming, UmingH.
    • Liu và cộng sự (2005) đề xuất thuật toán hai pha TwoPhase dựa trên độ đo TWU (Transaction-Weighted-Utilization).
    • Erwin và cộng sự (2008) đề xuất thuật toán CTU-Mine với cấu trúc CTU-tree.
    • Liu và cộng sự (2012) đề xuất thuật toán HUI-Miner dựa trên cấu trúc utility-list.
    • Tseng và cộng sự (2010, 2013, 2016) phát triển các thuật toán UP-Growth, UP-Growth+ dựa trên cây UP-Tree, mô hình tập mục hữu ích cao đóng CHUIs và thuật toán phục hồi DAHU.
    • Philippe Fournier-Viger và cộng sự (2014, 2015) đề xuất thuật toán FHM, FHN (xử lý giá trị hữu ích âm) và EFIM.
    • Các hướng mở rộng: Pillai và cộng sự (2012) với thuật toán HURI; Goyal và cộng sự (2014) với UP-Rare-Growth cho khai phá tập hữu ích cao hiếm (HURIM); Uday Kiran và cộng sự (2017) với HU-FIMi cho tập hữu ích cao và phổ biến (HUFIM); Hong Tzung-Pei và cộng sự (2009), Lin và cộng sự (2015) với HAUIMiner cho tập hữu ích trung bình cao (HAUIM); Sahoo và cộng sự (2015) cho khai phá luật kết hợp hữu ích cao.

  2. Che giấu thông tin nhạy cảm trong khai phá hữu ích cao (PPUM):

    • Jieh-Shan Yeh và cộng sự (2010) đề xuất mô hình che giấu thông tin nhạy cảm đầu tiên trong HUIM với hai thuật toán heuristic HHUIF và MSICF.
    • Lin và cộng sự (2014, 2015) đề xuất thuật toán GA-based (chèn giao tác giả) và PPUMGAT (xóa giao tác) dựa trên giải thuật di truyền.
    • Lin và cộng sự (2016) đề xuất thuật toán MSU-MAU và MSU-MIU dựa trên nguyên lý Max-Min.
    • Xuan Liu và cộng sự (2020) đề xuất các thuật toán heuristic SMAU, SMIU, SMSE cải tiến chiến lược chọn giao tác mục tiêu.
    • Rajalaxmi và cộng sự (2012) đề xuất thuật toán MSMU và MCRSU cho bài toán ẩn tập mục hữu ích cao và phổ biến.
    • Lin và cộng sự (2020) đề xuất thuật toán HUFI dựa trên biên cực đại.

  3. Ứng dụng lý thuyết giàn trong khai phá dữ liệu:

    • Wille (1982) đặt nền tảng phân tích khái niệm hình thức và biểu diễn giàn.
    • Godin (1995), Keyun Hu (2003), JiYe Liang và cộng sự (2009), B. Vo (2009), Thang Mai và cộng sự (2017) phát triển các thuật toán khai phá tập đóng và sinh luật kết hợp dựa trên giàn.
    • Hai Quoc Le và cộng sự (2014, 2018) đề xuất kỹ thuật ẩn luật kết hợp nhạy cảm dựa trên giàn tập phổ biến.

Vị trí và khoảng trống luận án giải quyết

Luận án định vị nghiên cứu tại điểm giao giữa khai phá hữu ích cao và bảo vệ tính riêng tư dữ liệu. Luận án khắc phục trực tiếp các hạn chế sau:

  • Tách biệt và tối ưu hóa giải thuật chọn mục mục tiêu cho từng trường hợp sửa đổi giá trị nội hoặc xóa mục trong thuật toán EHSHUI.
  • Xây dựng mô hình và thuật toán đầu tiên cho hai bài toán chưa từng được công bố: Ẩn tập mục hữu ích trung bình cao nhạy cảm (EHSHA-UI) và ẩn luật kết hợp hữu ích cao nhạy cảm.
  • Khắc phục sự bất đối xứng của cấu trúc dữ liệu bằng việc xây dựng Giàn giao có ràng buộc của tập các tập mục hữu ích cao và phổ biến ($L_{\cap H}$), chuyển đổi bài toán tìm kiếm mục mục tiêu từ heuristic cục bộ sang tối ưu trên cấu trúc đại số giàn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Hệ thống định nghĩa và công thức toán học

  • CSDL giao tác và độ đo hữu ích:
    • Cho tập mục $I = {x_1, x_2, \dots, x_m}$, mỗi mục $x \in I$ có hữu ích ngoại $p(x)$. CSDL $D = {T_1, T_2, \dots, T_n}$, mỗi giao tác $T_c$ có định danh $Tid$ và mỗi mục $x \in T_c$ có hữu ích nội $q(x, T_c)$.
    • Giá trị hữu ích của mục $x$ trong $T_c$: $u(x, T_c) = p(x) \times q(x, T_c)$.
    • Hữu ích của tập mục $X \subseteq I$ trong $T_c$: $u(X, T_c) = \sum_{x \in X} u(x, T_c)$.
    • Hữu ích của tập mục $X$ trong $D$: $u(X) = \sum_{X \subseteq T_c \wedge T_c \in D} u(X, T_c)$.
    • Hữu ích của giao tác $T_c$: $TU(T_c) = \sum_{x \in T_c} u(x, T_c)$; Hữu ích của CSDL $D$: $DU(D) = \sum_{T_c \in D} TU(T_c)$.
    • Tập mục hữu ích cao ($HUIs$): $HUIs = {X \mid X \subseteq I, u(X) \ge \varepsilon}$ (với $\varepsilon$ là ngưỡng hữu ích tối thiểu).
  • Tập mục hữu ích cao và phổ biến ($HUFIs$):
    • Độ hỗ trợ: $support(X) = \frac{|{T_c \mid X \subseteq T_c, T_c \in D}|}{|D|}$.
    • $HUFIs = {X \mid u(X) \ge \varepsilon \wedge support(X) \ge \delta}$ (với $\delta$ là ngưỡng hỗ trợ tối thiểu).
  • Tập mục hữu ích trung bình cao ($HAUIs$):
    • Hữu ích trung bình: $au(X, T_c) = \frac{u(X, T_c)}{|X|}$; $au(X) = \sum_{X \subseteq T_c \wedge T_c \in D} au(X, T_c)$.
    • $HAUIs = {X \mid au(X) \ge \mu}$ (với $\mu$ là ngưỡng hữu ích trung bình tối thiểu).
  • Luật kết hợp hữu ích cao ($HRs$):
    • Hữu ích cục bộ của $X$ trong $Y$ tại $T_c$: $luv(X, Y, T_c) = \sum_{x \in X} u(x, T_c)$ (với $X \subseteq Y \subseteq T_c$).
    • Hữu ích cục bộ trong $D$: $luv(X, Y) = \sum_{Y \subseteq T_c \wedge T_c \in D} luv(X, Y, T_c)$.
    • Độ tin cậy hữu ích của luật $R: X \to Y$: $uconf(R) = \frac{luv(X, XY)}{u(X)}$ (hoặc tỷ lệ chuẩn hóa theo định nghĩa văn bản).
    • $HRs = {R: X \to Y \mid uconf(R) \ge \mu \wedge u(XY) \ge \varepsilon}$.

Các đơn vị đo lường hiệu ứng phụ

  1. Tỷ lệ ẩn thất bại (Hiding Failure): $HF = \frac{|SHUPs'|}{|SHUPs|}$ (mục tiêu $HF = 0$).
  2. Tỷ lệ mẫu hữu ích cao bị mất (Miss Cost): $MC = \frac{|non\text{-}SHUPs \setminus non\text{-}SHUPs'|}{|non\text{-}SHUPs|}$.
  3. Tỷ lệ mẫu giả mạo (Artificial Cost): $AC = \frac{|non\text{-}SHUPs' \setminus non\text{-}SHUPs|}{|non\text{-}SHUPs|}$.
  4. Tỷ lệ tương đồng cấu trúc CSDL: $DSS = 1 - \frac{\sum_{k=1}^m |freq(tpD_k) - freq(tpD'k)|}{\sum{k=1}^m freq(tpD_k)}$.
  5. Tỷ lệ tương đồng giá trị hữu ích CSDL: $DUS = \frac{\sum_{T_c \in D'} tu'(T_c)}{\sum_{T_c \in D} tu(T_c)}$.
  6. Tỷ lệ tương đồng hữu ích tập mục: $IUS = \frac{\sum_{X \in HUIs} u'(X)}{\sum_{X \in HUIs} u(X)}$.

Dữ liệu thực nghiệm

Tác giả sử dụng 06 bộ cơ sở dữ liệu giao tác có đặc tính đa dạng về số lượng giao tác, số lượng mục và độ dài giao tác để kiểm chứng thuật toán:

| Cơ sở dữ liệu | Số giao tác ($|D|$) | Số lượng mục ($|I|$) | Độ dài trung bình (AVG-length) | Độ dài cực đại (Max-length) | | :--- | :--- | :--- | :--- | :--- | | T1000_200_40 | 1.000 | 200 | 40,0 | 100 | | Foodmart | 4.141 | 1.559 | 4,4 | 14 | | Retail | 88.162 | 16.470 | 10,3 | 250 | | Mushroom | 8.124 | 119 | 23,0 | 23 | | Chess | 3.196 | 75 | 37,0 | 37 | | Chainstore | 1.112.949 | 46.086 | 7,23 | 170 |

Nội dung chính theo từng chương

Chương 1: Tổng quan về khai phá hữu ích cao và che giấu thông tin nhạy cảm trong khai phá hữu ích cao từ cơ sở dữ liệu giao tác

Chương 1 thiết lập khung lý thuyết hoàn chỉnh cho toàn bộ luận án:

  • Trình bày hệ thống khái niệm, mô hình toán học của khai phá hữu ích cao và các dạng bài toán mở rộng (HUFIM, HAUIM, HURIM, HRs).
  • Định nghĩa quy trình chuẩn 3 bước của bài toán che giấu mẫu nhạy cảm (PPUM): (1) Khai phá và xác định tập mẫu nhạy cảm cần giấu; (2) Áp dụng thuật toán sửa đổi CSDL gốc; (3) Khai phá lại trên CSDL sửa đổi và đánh giá hiệu ứng phụ qua hệ thống 6 chỉ số đo lường ($HF, MC, AC, DSS, DUS, IUS$).
  • Khảo sát các kỹ thuật tiếp cận che giấu dữ liệu trong khai phá dữ liệu gồm kỹ thuật Heuristic (làm xáo trộn dữ liệu, khóa dữ liệu), kỹ thuật bảo vệ biên (Border-based) và kỹ thuật chính xác (Exact-based).
  • Trình bày cơ sở lý thuyết Giàn (quan hệ thứ tự, giàn đại số, giàn giao) và phân tích khả năng ứng dụng lý thuyết giàn vào bài toán tối ưu hóa lựa chọn mục mục tiêu.
  • Thống kê chi tiết các tham số đặc trưng của 06 bộ dữ liệu thực nghiệm chuẩn và nhân tạo.

Chương 2: Che giấu thông tin nhạy cảm trong khai phá hữu ích cao dựa trên kỹ thuật heuristic

Chương 2 trình bày chi tiết các mô hình và 4 thuật toán đề xuất dựa trên kỹ thuật heuristic:

  1. Thuật toán ẩn tập mục hữu ích cao nhạy cảm (EHSHUI):

    • Xác định giá trị hữu ích tối thiểu cần giảm để ẩn tập nhạy cảm $S$: $du = u(S) - \varepsilon + 1$.
    • Sắp xếp độ ưu tiên ẩn dựa trên độ phổ biến của tập nhạy cảm: $f_{SHUIs}(S) = |{X \mid S \subset X, X \in SHUIs}|$.
    • Xây dựng thuật toán findVictimTransaction chọn giao tác $T_{vic}$ có $u(S, T)$ lớn nhất, và findVictimItem chọn mục $x_{vic}$ gây mất ít tập không nhạy cảm nhất.
    • Chứng minh hai định lý nền tảng:
      • Định lý 2.2: Nếu $u(x_{vic}, T_{vic}) > du$, lượng giá trị nội cần giảm tối thiểu là $dec = \left\lceil \frac{du}{p(x_{vic})} \right\rceil$; khi đó $q(x_{vic}, T_{vic}) = q(x_{vic}, T_{vic}) - dec$ và $du = 0$.
      • Định lý 2.3: Nếu $u(x_{vic}, T_{vic}) \le du$, tiến hành xóa hẳn mục $x_{vic}$ khỏi $T_{vic}$, cập nhật lại $du = du - u(S, T_{vic})$.

  2. Thuật toán ẩn tập mục hữu ích cao và phổ biến nhạy cảm (ATMTU):

    • Cải tiến chiến lược so với các thuật toán MSMU, MCRSU và HUFI bằng cách tách biệt quy trình chọn mục tiêu cho hai trường hợp giảm độ hỗ trợ và giảm giá trị hữu ích, tránh can thiệp trùng lặp làm tăng chỉ số $MC$.

  3. Thuật toán ẩn tập mục hữu ích trung bình cao nhạy cảm (EHSHA-UI):

    • Đề xuất mô hình bài toán và giải thuật tính toán lượng giảm hữu ích trung bình trên từng giao tác mục tiêu, hạn chế suy giảm chất lượng dữ liệu đối với các tập mục có độ dài biến thiên.

  4. Thuật toán ẩn luật kết hợp hữu ích cao nhạy cảm:

    • Xây dựng giải thuật điều chỉnh giá trị hữu ích cục bộ $luv(X, XY)$ để hạ độ tin cậy $uconf(R)$ xuống dưới ngưỡng $\mu$, giải quyết bài toán bảo vệ luật suy diễn thương mại.

Chương 3: Che giấu thông tin nhạy cảm trong khai phá hữu ích cao dựa trên lý thuyết Giàn

Chương 3 tập trung vào công cụ toán học giàn đại số để tối ưu hóa việc che giấu thông tin:

  • Trình bày các cấu trúc đại số: quan hệ hai ngôi, giàn sắp thứ tự, giàn đại số và giàn giao của tập phổ biến.
  • Đề xuất cấu trúc Giàn giao có ràng buộc của tập các tập mục hữu ích cao và phổ biến ($L_{\cap H}$). Cấu trúc này liên kết các tập mục thỏa mãn đồng thời hai ràng buộc về ngưỡng hữu ích $\varepsilon$ và ngưỡng hỗ trợ $\delta$.
  • Đề xuất thuật toán HSUFIBL (Hiding Sensitive Utility and Frequent Based on Lattice):
    • Sử dụng quan hệ cha - con trên giàn $L_{\cap H}$ để định vị chính xác mục mục tiêu ($x_{vic}$) nằm tại các nút giao có mức độ ảnh hưởng thấp nhất đến các nút không nhạy cảm lân cận.
    • Phân tích độ phức tạp tính toán và tiến hành thực nghiệm so sánh đa biến.
    • Kết quả thực nghiệm chứng minh thuật toán HSUFIBL đạt $HF = 0$, giảm đáng kể tỷ lệ $MC$ và bảo toàn các chỉ số tương đồng $DSS, DUS, IUS$ vượt trội so với các thuật toán heuristic truyền thống khi thay đổi kích thước tập nhạy cảm, ngưỡng hỗ trợ $\delta$ và ngưỡng hữu ích $\varepsilon$.

Kết quả và những đóng góp mới

Đóng góp về lý luận và học thuật

  1. Phát triển thành công 04 thuật toán heuristic chuyên biệt cho từng bài toán che giấu mẫu nhạy cảm trong khai phá hữu ích cao: Thuật toán EHSHUI (cho SHUIs), thuật toán ATMTU (cho SHUFIs), mô hình và thuật toán EHSHA-UI (cho SHAUIs), và mô hình thuật toán ẩn luật kết hợp hữu ích cao nhạy cảm (HRs).
  2. Thiết lập cơ sở lý thuyết chứng minh toán học thông qua các định lý xác định lượng giảm giá trị nội tối ưu ($dec$) và quy tắc cập nhật độ lệch hữu ích ($du$), khắc phục tình trạng sửa đổi dữ liệu dư thừa.
  3. Đề xuất cấu trúc Giàn giao có ràng buộc ($L_{\cap H}$) và thuật toán HSUFIBL, mở ra hướng ứng dụng lý thuyết giàn đại số để giải quyết bài toán tối ưu hóa lựa chọn phần tử sửa đổi dữ liệu trong khai phá hữu ích kết hợp độ hỗ trợ.

Công bố khoa học

Các kết quả nghiên cứu trong luận án được công bố qua 09 công trình khoa học:

  • 01 bài báo trên tạp chí quốc tế thuộc danh mục ISI (Q3): Intelligent Data Analysis (Số 24, 2020).
  • 01 bài báo trên tạp chí quốc tế thuộc danh mục Scopus (Q2): Cybernetics And Information Technologies (Số 1, 2022).
  • 02 bài báo tại kỷ yếu hội thảo quốc tế xuất bản bởi Springer (INISCOM 2018) và IEEE (MAPR 2018).
  • 05 bài báo tại các kỷ yếu hội nghị quốc gia chuyên ngành: FAIR 10 (2017), FAIR 13 (2020), FAIR 14 (2021), FAIR 15 (2022) và Hội thảo Quốc gia lần thứ XXI về Một số vấn đề chọn lọc của CNTT-TT (2018).

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế: Luận án tập trung giải quyết bài toán trên mô hình CSDL giao tác tĩnh và áp dụng kỹ thuật xáo trộn dữ liệu (data distortion). Các thuật toán chưa mở rộng cho dòng dữ liệu giao tác liên tục (data streams) hoặc các định dạng CSDL phân tán, không đồng nhất.
  • Hướng nghiên cứu tiếp:
    • Nghiên cứu mở rộng cấu trúc giàn cho các mô hình hữu ích phức tạp khác như tập mục hữu ích trung bình cao đóng hoặc luật kết hợp hữu ích cao.
    • Tối ưu hóa thời gian thực thi và bộ nhớ của thuật toán HSUFIBL trên các CSDL quy mô cực lớn (như tập dữ liệu Chainstore với hơn 1,1 triệu giao tác).

Giá trị tham khảo

  • Đối với nghiên cứu sinh và học viên sau đại học: Luận án cung cấp tài liệu tham khảo chi tiết về phương pháp thiết lập mô hình toán học trong PPUM, các kỹ thuật chứng minh định lý về lượng biến đổi dữ liệu, cùng phương pháp thiết kế thực nghiệm đánh giá hiệu ứng phụ đa chỉ số.
  • Đối với giảng viên và nhà nghiên cứu Khoa học máy tính: Là tài liệu chuyên khảo hữu ích về việc kết hợp giữa cấu trúc đại số trừu tượng (lý thuyết giàn) với các bài toán tối ưu hóa trong khai phá dữ liệu và bảo mật thông tin.
  • Đối với kỹ sư hệ thống và doanh nghiệp: Cung cấp giải pháp kỹ thuật cụ thể giúp các tổ chức làm sạch và bảo vệ bí mật kinh doanh trước khi công bố hoặc chia sẻ kho dữ liệu giao tác thương mại cho bên thứ ba.

Câu hỏi thường gặp

1. Khai phá hữu ích cao khác biệt như thế nào so với khai phá tập phổ biến truyền thống?

Khai phá tập phổ biến truyền thống xem vai trò của mọi mục dữ liệu là như nhau và chỉ đánh giá mức độ quan trọng dựa trên tần suất xuất hiện đồng thời trong các giao tác. Khai phá hữu ích cao (HUIM) mở rộng mô hình này bằng cách tích hợp cả hai yếu tố: hữu ích nội $q(x, T_c)$ (số lượng của mục trong giao tác) và hữu ích ngoại $p(x)$ (lợi nhuận, giá trị đơn vị), từ đó phản ánh chính xác giá trị kinh tế thực tế của các tập mục.

2. Các hiệu ứng phụ phát sinh khi che giấu thông tin nhạy cảm gồm những chỉ số nào?

Quá trình sửa đổi CSDL gây ra 6 hiệu ứng phụ chính được lượng hóa gồm:

  • $HF$: Tỷ lệ mẫu nhạy cảm không ẩn được (mục tiêu $HF = 0$).
  • $MC$: Tỷ lệ mẫu hữu ích cao không nhạy cảm bị mất ngoài ý muốn.
  • $AC$: Tỷ lệ mẫu giả mạo xuất hiện sau khi sửa đổi dữ liệu.
  • $DSS$: Độ tương đồng về cấu trúc phân bố tần suất giao tác giữa CSDL gốc và sửa đổi.
  • $DUS$: Độ tương đồng về tổng giá trị hữu ích toàn bộ CSDL.
  • $IUS$: Độ tương đồng về giá trị hữu ích của tập các mẫu hữu ích cao.

3. Thuật toán EHSHUI xử lý thao tác sửa dữ liệu và xóa mục mục tiêu như thế nào?

Sau khi chọn giao tác mục tiêu $T_{vic}$ và mục mục tiêu $x_{vic}$, thuật toán kiểm tra điều kiện giá trị hữu ích $u(x_{vic}, T_{vic})$ so với lượng hữu ích cần giảm $du = u(S) - \varepsilon + 1$:

  • Nếu $u(x_{vic}, T_{vic}) > du$: Giảm giá trị nội của mục $x_{vic}$ một lượng $dec = \left\lceil \frac{du}{p(x_{vic})} \right\rceil$ và gán $du = 0$ (ẩn thành công chỉ sau 1 lần sửa).
  • Nếu $u(x_{vic}, T_{vic}) \le du$: Xóa hoàn toàn mục $x_{vic}$ khỏi giao tác $T_{vic}$, đồng thời cập nhật lại $du = du - u(S, T_{vic})$ và tiếp tục vòng lặp nếu $du > 0$.

4. Tại sao lý thuyết giàn giao được áp dụng để tối ưu hóa thuật toán ẩn tập mục SHUFIs?

Tập mục hữu ích cao không thỏa mãn tính chất bao đóng giảm dần (Apriori), nhưng tập mục phổ biến lại thỏa mãn tính chất này. Việc xây dựng cấu trúc Giàn giao có ràng buộc ($L_{\cap H}$) cho phép thiết lập quan hệ thứ tự phân cấp giữa các tập mục hữu ích cao và phổ biến. Dựa vào đồ thị giàn, thuật toán HSUFIBL có thể xác định chính xác mục mục tiêu cần can thiệp nằm ở vị trí gây ảnh hưởng tối thiểu đến các nút không nhạy cảm lân cận, giúp giảm thiểu chỉ số $MC$ và bảo toàn tối đa cấu trúc CSDL.

5. Những bộ dữ liệu nào đã được sử dụng trong đánh giá thực nghiệm của luận án?

Luận án sử dụng 06 bộ CSDL giao tác gồm: bộ dữ liệu nhân tạo T1000_200_40 (1.000 giao tác, 200 mục) và 05 bộ dữ liệu thực tế từ thư viện mã nguồn mở quốc tế gồm Foodmart (4.141 giao tác), Retail (88.162 giao tác), Mushroom (8.124 giao tác), Chess (3.196 giao tác) và Chainstore (1.112.949 giao tác, 46.086 mục).

Kết luận

Luận án của tác giả Huỳnh Triệu Vỹ đã giải quyết có hệ thống bài toán bảo vệ tính riêng tư trong khai phá hữu ích cao thông qua hai hướng tiếp cận: cải tiến kỹ thuật heuristic và ứng dụng lý thuyết giàn đại số. Tác giả đã đề xuất thành công các thuật toán hiệu quả EHSHUI, ATMTU, EHSHA-UI, thuật toán ẩn luật kết hợp hữu ích cao và thuật toán HSUFIBL dựa trên giàn giao có ràng buộc $L_{\cap H}$. Các kết quả thực nghiệm trên 06 bộ cơ sở dữ liệu đa dạng đã khẳng định tính chính xác của các định lý toán học đề xuất, đảm bảo che giấu hoàn toàn các mẫu nhạy cảm ($HF = 0$) đồng thời giảm thiểu tối đa các hiệu ứng phụ làm sai lệch dữ liệu.