基于多屬性泛化的K-匿名算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、醫(yī)療數(shù)據(jù)之中潛藏著的寶貴的信息資源，合理的開發(fā)及利用能夠?yàn)楦餍懈鳂I(yè)的發(fā)展起到很好的推動(dòng)作用。因而，醫(yī)療信息的發(fā)布得到了各界的廣泛關(guān)注。然而，醫(yī)療信息之中囊括了大量的類似于患者生理和心理狀況的隱私信息，一旦泄露，必將會(huì)給信息所有者留下難以估量的隱患。因此，醫(yī)療信息發(fā)布中的隱私保護(hù)問題引起了專家學(xué)者們的重視。
　　就現(xiàn)階段來(lái)看，常見于信息發(fā)布系統(tǒng)之中的三種隱私保護(hù)手段即屬性刪除或移除、數(shù)據(jù)加密以及數(shù)據(jù)擾亂或數(shù)據(jù)隨機(jī)化并不是十分適用于醫(yī)

2、療信息的發(fā)布。這主要是因?yàn)?，醫(yī)療信息的發(fā)布不僅要保證發(fā)布數(shù)據(jù)的可用，還要保障信息所有者的隱私不被泄露，上述一系列隱私保護(hù)手段很難兼顧。因而，本文選用了當(dāng)下較為流行的K-匿名模型來(lái)對(duì)醫(yī)療信息發(fā)布加以實(shí)現(xiàn)。然而，就實(shí)現(xiàn)K-匿名模型的經(jīng)典算法而言，其自身還有很多有待改進(jìn)之處。特別是在泛化屬性的選取和一些細(xì)節(jié)的實(shí)現(xiàn)方面，欠缺細(xì)致的考慮，這就為其所處理的數(shù)據(jù)埋下了過(guò)度泛化的隱患，進(jìn)而使得處理后數(shù)據(jù)的可用性和隱私保護(hù)性大幅度下降。
　　為此，

3、本文在實(shí)現(xiàn)K-匿名模型的經(jīng)典算法-Datafly算法的基礎(chǔ)上，提出了可以進(jìn)一步提高處理后數(shù)據(jù)的精度的基于多屬性泛化的K-匿名算法。這一算法在原Datafly算法的基礎(chǔ)之上，不僅就泛化屬性的選取方式進(jìn)行了改良而且就泛化屬性選取中可能發(fā)生的取值最多屬性不唯一的情況進(jìn)行了探討，大幅度地提高了經(jīng)K-匿名模型處理后數(shù)據(jù)的數(shù)據(jù)精度。
　　本文首先就本文的研究問題和相關(guān)的基本理論等進(jìn)行了簡(jiǎn)要介紹。接著就實(shí)現(xiàn)K-匿名模型的經(jīng)典算法中的不足進(jìn)行了列