การทำเหมืองข้อมูลสามารถถูกนำไปใช้ในการค้นหารูปแบบ (Pattern) ที่มีประโยชน์ต่อเจ้าของข้อมูลได้ รูปแบบที่สามารถค้นหาได้นี้มีอยู่หลายรูปแบบ เช่น กฎความสัมพันธ์ (Association Rules) กฎการจำแนก (Classification Rules) หรือรูปแบบการจัดกลุ่มของข้อมูล (Clustering) เป็นต้น อย่างไรก็ตามขอมูลที่ถูกรวบรวมมาเพื่อทำเหมืองข้อมูลอาจจะเป็นข้อมูลส่วนบุคคล (Private Data) เช่น รหัสประจำตัวประชาชน ชื่อ อายุ เงินเดือน หรือที่อยู่ ซึ่งข้อมูลเหล่านี้โดยทั่วไป ผู้ดูแลระบบฐานข้อมูลจะต้องทำการลบข้อมูลที่สามารถนำไปเป็นตัวบ่งชี้ออกไปก่อน เช่น ชื่อ หรือ รหัสประจำตัวประชาชน จากนั้นข้อมูลที่เหลือสามารถนำไปวิเคราะห์เพื่อหารูปแบบที่เป็นประโยชน์ต่อไปได้ แม้ว่าข้อมูลจะถูกลบตัวบ่งชี้อออกไปแล้ว ข้อมูลซึ่งไม่มีตัวบ่งชี้ก็ยังสามารถถูกนำไประบุตัวบุคคลได้อีกครั้ง (Re-identifying) หากไม่มีการประมวลผลข้อมูลเพื่อป้องกันการบ่งชี้ก่อนการวิเคราะห์ข้มูล เช่น ในฐานข้อมูลหนึ่ง อาจมีเพียงบุคคลเพียงคนเดียวที่มีอายุ 39 ปี มีเงินเดือนมากกว่า 30,000 บาท อาศัยอยู่ในเขตที่มีรหัสไปรษณีย์ 50200 ในแง่ของผู้ที่พยายามระบุตัวบุคคล ข้อมูลเหล่านี้สามารถนำไประบุหาชื่อ อายุ หรือแม้แต่ทะเบียนประวัติผู้ป่วยได้ โดยการเชื่อมโยงข้อมูลเหล่านี้เข้ากับฐานข้อมูลอื่น ๆ เช่น ฐานข้อมูลเลือกตั้ง ผ่านแอตทริบิวต์ อายุ และ ที่อยู่ เป็นต้น ปัญหานี้สามารถแก้ไขได้ด้วยเทคนิค k-Anonymity และเทคนิคอื่น ๆ ที่มีพื้นฐานมาจากเทคนิคนี้ เทคนิค k-Anonymity จะเป็นการปรับข้อมูลให้ทุก ๆ ระเบียนภายในฐานข้อมูลมีข้อมูลซ้ำกับระเบียนดังกล่าวอย่างน้อย k-1 ระเบียน อย่างไรก็ตาม การปรับข้อมูลนี้จะต้องมีการคำนึงถึงคุณภาพข้อมูล (Data Quality) ด้วย กล่าวคือข้อมูลที่ถูกปรับแล้ว จะต้องสามารถนำไปวิเคราะห์เพื่อค้นหารูปแบบได้คล้ายกันกับการหารูปแบบจาก ข้อมูลเดิม หากมองในภาพรวมข้อมูลที่ถูกปรับอาจไม่มีคุณภาพเทียบเท่ากับข้อมูลเดิม แต่หากมีการระบุการวิเคราะห์ข้อมูลที่ต้องการใช้ไว้ก่อน อัลกอริทึม หรือกระบวนการปรับข้อมูลนั้น ก็จะสามารถมุ่งเน้นการรักษาคุณภาพข้อมูลซึ่งจำเป็นต่อการวิเคราะห์ข้อมูล นั้น ๆ ได้ โครงการนี้จะมุ่งเน้นการรักษาความเป็นส่วนตัวของข้อมูล ในสถานการณ์ที่การวิเคราะห์หรือการทำเหมืองข้อมูลเกี่ยวข้องกับการค้นหากฎ ความสัมพันธ์ งานที่จะเสนอมีดังนี้ 1) โมเดลคุณภาพข้อมูลที่จำเป็นต่อการทำเหมืองข้อมูลที่เกี่ยวข้องกับกฎความ สัมพันธ์ คือ การจำแนกแบบสัมพันธ์ (Associative Classification) 2) โมเดลปัญหาโดยใช้คุณภาพข้อมูลจากงานที่จะเสนอในข้อหนึ่ง 3) เทคนิคในการแก้ไขปัญหาอย่างมีประสิทธิภาพ ซึ่งจะประกอบไปด้วยอัลกอริทึมแบบเฮอริสติกและประมาณ 4) ซอฟต์แวร์ระบบสำหรับการแก้ไขปัญหานี้โดยใช้เทคนิควิธีจากงานที่จะเสนอในข้อ สาม ซึ่งผลลัพธ์จากข้อสี่จะถูกพัฒนาเป็นซอฟต์แวร์โอเพ็นซอร์สเพื่อให้สามารถมีการพัฒนาต่อได้อย่างอิสระ