個性化k-匿名模型研究.pdf

1、數(shù)據(jù)挖掘技術(shù)的發(fā)展為機器學(xué)習(xí)、知識發(fā)現(xiàn)提供了新的技術(shù)支撐，也在一定程度上對個人隱私帶來了相應(yīng)的威脅。雖然數(shù)據(jù)擁有者在對數(shù)據(jù)進行共享和發(fā)布前會采取一定的措施來隱藏源數(shù)據(jù)中的直接標(biāo)識個人身份的數(shù)據(jù)信息，研究人員卻發(fā)現(xiàn)通過鏈接多個公開的數(shù)據(jù)源，個人隱私信息還是會發(fā)生某種程度的泄漏。為了避免個體的隱私數(shù)據(jù)受到如前所述的鏈接攻擊，Sweeney提出了k-匿名模型。實驗證明k-匿名模型能夠有效地解決數(shù)據(jù)發(fā)布與共享中由鏈接所產(chǎn)生的身份泄漏問題，但同時

2、也發(fā)現(xiàn)，k-匿名模型對敏感屬性信息還缺乏相應(yīng)的保護機制。為了更好的發(fā)揮k-匿名模型在隱私保護方面的功效，研究人員提出了許多改進的匿名模型與方法，雖然這些方法使得隱私保護效果得到了不同程度的提升，但在實現(xiàn)敏感屬性有針對性的個性化隱私保護方面仍存在許多不足之處。在對當(dāng)前已有的k-匿名算法及模型進行分析和研究的基礎(chǔ)上，本文對k-匿名模型進一步做了改進，開發(fā)出了一個新的基于個性化隱私保護決策度的k-匿名?；Ｐ图八惴āＵ撐牡闹饕芯績?nèi)容如下所述

3、：
　　 第一，針對現(xiàn)有的匿名化隱私保護技術(shù)在進行數(shù)據(jù)發(fā)布和數(shù)據(jù)共享前欠于考慮敏感屬性個性化隱私保護決策度的問題，結(jié)合實際應(yīng)用中不同個體對不同敏感屬性或同一敏感屬性不同敏感值的隱私保護需求的不同，結(jié)合粒計算理論，提出了一種基于個性化敏感屬性隱私保護決策度的個性化k-匿名模型即個性粒化k-匿名模型，又可稱為 匿名隱私保護模型。并將該模型應(yīng)用于含有一維敏感屬性的數(shù)據(jù)發(fā)布實例中，實驗證明，該模型能有效的提高隱私保護精度，避免了高隱私保

4、護需求的數(shù)據(jù)出現(xiàn)隱私泄露、低隱私保護需求的數(shù)據(jù)過分匿名保護的現(xiàn)象。
　　 第二，對于含有多維敏感屬性的數(shù)據(jù)，本論文采用多層?；椒?。首先根據(jù)待發(fā)布數(shù)據(jù)中的多敏感屬性個性化隱私保護決策度的不同進行聚類粒化，使每個?？臻g中的數(shù)據(jù)具有盡可能相似的個性化隱私保護需求。然后再對形成的?？臻g中的數(shù)據(jù)選擇相適應(yīng)的?；湍涿麉?shù)，進行個性?；痥-匿名。文中給出了相應(yīng)的隱私保護決策度定義和相應(yīng)的粒化匿名算法。實驗結(jié)果表明，與傳統(tǒng)k-匿名方法相比，

5、該算法能夠有效減少數(shù)據(jù)匿名化處理所帶來的信息損失，提高對多敏感屬性的匿名化隱私保護精度。
　　 第三，給出了實現(xiàn)個性?；痥-匿名的泛化匿名算法，通過分析當(dāng)前匿名泛化算法的不足，將聚類分析的思想引入到 匿名模型中，遵循相同?？臻g中各元組間的距離盡量小，也就是內(nèi)部要盡量相似；而不同的?？臻g中的元組間距離要盡量大，即外部各粒空間盡量相異的原則，論文重新定義了各種距離計算公式、衡量信息損失的計算公式和相應(yīng)的聚類?；姆夯惴ǎ⑶覍π滤?/p>