摘要：针对可还原数据扰动（retrievable general additive data perturbation，RGADP）算法在保护数据库隐私时会影响数据挖掘结果的问题，提出一种利用贝叶斯原理在扰动数据上进行分类的方法。该方法分析RGADP算法过程，利用贝叶斯原理，根据扰动数据推算原始数据的概率分布，用估算的概率分布重构数据，并对重构数据进行分类以提高分类的正确性。实验结果表明：该方法估算出的概率分布与原始数据概率分布接近，且重构数据的分类正确率相比扰动数据而言平均可提高4%以上，其更接近原始数据的分类正确率，从而有效地降低了扰动算法对数据分类的影响；该方法的运行时间与数据量和数据分组数成正比，重构10000条数据的运行时间在200 ms以内，因此该方法也具有较高的效率。

关键词：隐私保护；数据扰动；贝叶斯原理；分类

中图分类号：TP301 文献标志码：A 文章编号：0253-987X（2015）04-0046-07