海量查詢下基于K-匿名的隱私保護算法研究.pdf

1、在一些開放性較強的用戶平臺如社交網(wǎng)絡(luò)、微博平臺等，用戶數(shù)據(jù)往往是公開的，任何注冊用戶甚至匿名用戶都可以直接查看這些數(shù)據(jù)，如果不采取一定的措施來防止?jié)撛诘碾[私泄露，將會造成敏感數(shù)據(jù)的泄露，從而危害到數(shù)據(jù)的發(fā)布者甚至整個平臺。在已有的隱私攻擊方法中，防止推理攻擊而造成的間接性隱私泄露一直是隱私保護領(lǐng)域的研究重點，但是已有的技術(shù)又存在兩大問題:第一，只能檢測出K-匿名中K=1的隱私泄露情況，隱私保護的控制粒度過小，且需要耗費較大的系統(tǒng)資源來維

2、護整個查詢歷史及其結(jié)果，無法同時保證檢測代價的最小化和查詢響應(yīng)的低延遲;第二，由于泛化問題是N-P難問題，對存在隱私泄露的數(shù)據(jù)表進行全局泛化，已有的基于K-匿名的算法泛化代價過大。
　　 對于推理攻擊的隱私保護問題，本文主要從兩方面去研究:一是對用戶查詢結(jié)果進行檢測，判斷其是否可以與歷史記錄鏈接從而導(dǎo)致隱私泄露;二是根據(jù)檢測結(jié)果對造成隱私安全問題的查詢結(jié)果進行局部泛化。
　　 針對用戶查詢結(jié)果進行檢測這方面，本文提出了一

3、種海量查詢下基于K-匿名的隱私泄露檢測算法(K-Q)。K-Q算法通過設(shè)定的K值對當前查詢結(jié)果和歷史查詢結(jié)果的分析和推導(dǎo)，來判斷當前查詢是否存在隱私泄露的可能，保證較高的隱私泄露檢測率。面對推理檢測需要的所有歷史查詢結(jié)果的數(shù)據(jù)規(guī)模較大這一問題，它結(jié)合K-匿名模型在歷史查詢結(jié)果的存儲規(guī)模上進行了優(yōu)化。K-Q算法使用圖狀結(jié)構(gòu)KGraph來維護歷史查詢結(jié)點之間的關(guān)系，能夠及時對當前查詢的輸出和所有相關(guān)歷史查詢輸出進行聯(lián)合計算，提高了檢測速率和降

4、低了查詢響應(yīng)的延遲，同時保證了隱私保護級別的可控性。實驗表明，K-Q算法計算效率明顯優(yōu)于已有的直接基于相關(guān)元組合并優(yōu)化的推理檢測算法(T-D)，且可以自適應(yīng)于查詢規(guī)模的增長。
　　 針對K-Q算法檢測出的導(dǎo)致隱私泄露的查詢結(jié)果，本文提出了一種新的泛化算法(G-Q)。它摒棄了K-匿名的全局泛化思想，只對當前查詢輸出中能夠與已有的發(fā)布數(shù)據(jù)進行聯(lián)合分析導(dǎo)致隱私泄露的屬性進行局部泛化。G-Q算法依據(jù)K-Q算法中設(shè)定的K值來判斷需要泛化的