随着信息化技术的快速发展,无论是数据的更新速率,还是数据的新增种类都在不断增加,这使得数据的分析与研究过程愈发复杂,同时这也标志着“大数据时代”的到来。随着大数据时代的到来,数据挖掘已经被广泛地应用于各个领域,成为科技发展的热点。在这样的背景下,资源受限的用户难以在本地执行密集型数据挖掘任务,因此,将数据运算交付给具有大量存储空间和强计算能力的云服务器是一种合理的选择。然而,如果对数据的分析与挖掘没有采取适当的隐私保护措施,那么数据挖掘就会成为用户隐私泄露噩梦的来源,所以隐私保护下的数据挖掘应运而生。在半诚实模型下进行数据挖掘,各方实体可能好奇用户的隐私数据,而且因为数据传输通道的透明性,数据在传输过程中也可以被窃听,并且数据用户的身份的合法性也存在一定的可欺骗性。因此,如何设计一种集安全性、可靠性于一体的隐私保护关联规则挖掘方案已成为一个必须直面的挑战。本文主要针对以上的问题开展工作如下:1.对Nikunj等人设计的以心脏病诊断为例的隐私保护关联规则挖掘方案进行安全性攻击,并提出一种更安全的疾病诊断方案。具体来说,本文通过原始方案一初始化阶段参数生成的不合理性、密文传输的不安全性以及挖掘参与方共谋攻击的可能性等三个方面来证明其安全性不能达到Nikunj等人所声称的强度。以此提醒未来的学者们在设计方案的过程中应规避此类问题,更好的进行科学研究。此外,本文在该研究背景下提出了改进方案一,即基于电子医疗系统的隐私保护患病分析方案。该方案采用具有语义安全性的加同态密码方案Paillier进行数据加密,并将挖掘参与方的私钥弱化拆分给各个挖掘参与方,这使得本方案可以抵抗部分用户共谋,完美的规避了原始方案一中存在的隐私泄露问题。最后,通过对改进方案一的安全性与正确性进行分析,并进行性能测试,说明改进方案一是安全可行的。2.提出了一种基于交易数据的隐私保护关联商品挖掘方案。该方案的云服务器不具有最大机密权限,克服了现有关联规则挖掘方案中因辅助挖掘的云服务器Evaluator拥有强私钥,在用户加密数据外包阶段主动截获用户数据并解密导致用户数据泄漏,无法抵抗在数据外包阶段评估者主动截获攻击的缺点。同时,本方案采用可批量验证的短数字签名方案BLS来保证传输数据的完整性以及发送方身份合法性,克服了现有技术中数据来源不可知的缺点,使得本方案可以规避恶意攻击者的投毒攻击,相比现有的外包挖掘方案具有挖掘结果更加安全、可靠的优点。