面向聚類的多敏感屬性數(shù)據(jù)發(fā)布隱私保護(hù)研究.pdf

1、數(shù)據(jù)發(fā)布在數(shù)據(jù)管理、數(shù)據(jù)挖掘和信息共享應(yīng)用中有著重要的地位。高速發(fā)展的互聯(lián)網(wǎng)使得海量數(shù)據(jù)的收集、發(fā)布及分析更加便捷，但與此同時，也給用戶個人隱私帶來了威脅。在現(xiàn)實生活中，有很多機(jī)構(gòu)需要定期對外發(fā)布數(shù)據(jù)。例如，醫(yī)院定期發(fā)布醫(yī)療統(tǒng)計數(shù)據(jù)，上市公司定期發(fā)布的財務(wù)報表，等等。這些數(shù)據(jù)中存在大量的個人敏感信息，如果泄露將會造成不可估量的損失。實際場景中，數(shù)據(jù)中存在不止一個敏感屬性，所以，我們對數(shù)據(jù)發(fā)布中存在不止一個敏感屬性的隱私研究迫在眉睫，尤其

2、是對多敏感屬性數(shù)據(jù)發(fā)布中的多維數(shù)值敏感屬性個性化隱私保護(hù)問題，更是探討熱點，分析這一問題通常需要采用聚類的方法處理數(shù)據(jù)，所以稱之為面向聚類。
　　首先，論文分析了現(xiàn)有數(shù)據(jù)發(fā)布中保護(hù)隱私的各種方法，包括匿名隱私保護(hù)模型、匿名技術(shù)、應(yīng)用聚類的匿名方法等等，從中得出不同匿名模型和匿名技術(shù)的優(yōu)缺點。
　　其次，論文對數(shù)據(jù)發(fā)布中多敏感屬性的隱私保護(hù)技術(shù)進(jìn)行深入探討，指出傳統(tǒng)的多敏感屬性數(shù)據(jù)發(fā)布方法在保護(hù)隱私上存在不足。針對多維數(shù)值敏感

3、屬性數(shù)據(jù)發(fā)布隱私保護(hù)方法中，很少考慮數(shù)值敏感屬性的屬性值權(quán)重的個性化隱私問題。提出基于聚類和加權(quán)多維桶分組的個性化隱私保護(hù)方法。該方法首先通過聚類單獨將各維數(shù)值敏感屬性的屬性值劃分到多個聚簇中，然后為多維數(shù)值敏感屬性構(gòu)建加權(quán)多維桶，將表中數(shù)據(jù)記錄映射到對應(yīng)多維桶中，通過考慮加權(quán)選擇度的最大維容量優(yōu)先算法，選擇多維桶中的數(shù)據(jù)記錄，構(gòu)建滿足l-diversity的分組，最后將得到分組的準(zhǔn)標(biāo)識符進(jìn)行泛化，將分組以匿名表形式發(fā)布。實驗結(jié)果表明，

4、發(fā)布的匿名數(shù)據(jù)表，滿足l-diversity的同時，避免了相似性攻擊，具有較低信息損失和較低的隱匿率，以及較高的數(shù)據(jù)擁有者定義重要記錄可發(fā)布性，達(dá)到個性化隱私保護(hù)效果。
　　最后論文對多敏感屬性數(shù)據(jù)發(fā)布中的多維數(shù)值敏感屬性數(shù)據(jù)發(fā)布個性化匿名技術(shù)進(jìn)行深入探討，針對傳統(tǒng)方法中，很少同時考慮數(shù)值敏感屬性的權(quán)重和敏感值的權(quán)重的問題。提出了一種基于聚類和個性化加權(quán)(數(shù)據(jù)記錄權(quán)重)選擇度的匿名算法，該方法利用最小個性化數(shù)據(jù)記錄選擇度優(yōu)先的思想