面向網(wǎng)絡(luò)安全的隱私保護(hù)關(guān)鍵技術(shù)研究.pdf

1、人類已經(jīng)步入一個(gè)信息技術(shù)高速發(fā)展的時(shí)代，網(wǎng)絡(luò)數(shù)據(jù)量也跟著迅速增加。數(shù)據(jù)背后深藏著大量更重要的信息。通過對(duì)數(shù)據(jù)進(jìn)行深層次的分析，尋找數(shù)據(jù)內(nèi)部之間的關(guān)聯(lián)、規(guī)則，能給人們帶來巨大的利益。正是這樣的需求，數(shù)據(jù)挖掘技術(shù)得到了快速發(fā)展。但是挖掘數(shù)據(jù)的同時(shí)，人們的隱私很有可能被泄露。針對(duì)這一網(wǎng)絡(luò)安全中的信息內(nèi)容安全，隱私保護(hù)數(shù)據(jù)發(fā)布技術(shù)被提出并備受研究學(xué)者的關(guān)注。
　　K-匿名作為隱私保護(hù)數(shù)據(jù)發(fā)布技術(shù)的基礎(chǔ)，由于在同一個(gè)等價(jià)類里至少有K個(gè)記錄，

2、保證等價(jià)類里記錄與其他至少K-1條記錄不可區(qū)分，從而使身份被確任的概率不超過1/K，可以有效防止鏈接攻擊。基于全域泛化的K-匿名模型是常見的K-匿名模型，但是它的信息損失比較大。本文基于聚類算法，提出基于聚類的K-匿名、L-多樣性算法，選擇盡量相似的數(shù)據(jù)加入同一個(gè)聚集，并要求聚集滿足K-成員聚類。然后重新聚類那些不符合L-多樣性的聚集，以此來抵御同質(zhì)攻擊。實(shí)驗(yàn)結(jié)果表明，該算法可以有效抵御同質(zhì)攻擊并能減少數(shù)據(jù)表的信息損失。但是該算法并未考

3、慮記錄的敏感屬性，如果同屬一類敏感屬性或是高敏感屬性的記錄在同一個(gè)等價(jià)類里，該數(shù)據(jù)表可能遭受相似攻擊或是高敏感屬性推測(cè)攻擊。所以圍繞記錄的敏感屬性，提出基于敏感屬性分布的聚類匿名算法，讓數(shù)據(jù)表按照敏感屬性分布重新排序，選擇高敏感與同屬一個(gè)類的屬性記錄優(yōu)先加入聚集。這里提出敏感屬性聚集覆蓋率概念，只有符合這個(gè)分布的記錄才可以加入，并且采取每次只加一個(gè)記錄的聚類算法，優(yōu)先考慮記錄敏感屬性隱私保護(hù)，其次才是信息損失。實(shí)驗(yàn)結(jié)果表明，雖然信息損失