個(gè)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(jī)器學(xué)習(xí)、知識(shí)發(fā)現(xiàn)提供了新的技術(shù)支撐，也在一定程度上對(duì)個(gè)人隱私帶來了相應(yīng)的威脅。雖然數(shù)據(jù)擁有者在對(duì)數(shù)據(jù)進(jìn)行共享和發(fā)布前會(huì)采取一定的措施來隱藏源數(shù)據(jù)中的直接標(biāo)識(shí)個(gè)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(gè)公開的數(shù)據(jù)源，個(gè)人隱私信息還是會(huì)發(fā)生某種程度的泄漏。為了避免個(gè)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(shí)驗(yàn)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(shí)

2、也發(fā)現(xiàn)，k-匿名模型對(duì)敏感屬性信息還缺乏相應(yīng)的保護(hù)機(jī)制。為了更好的發(fā)揮k-匿名模型在隱私保護(hù)方面的功效，研究人員提出了許多改進(jìn)的匿名模型與方法，雖然這些方法使得隱私保護(hù)效果得到了不同程度的提升，但在實(shí)現(xiàn)敏感屬性有針對(duì)性的個(gè)性化隱私保護(hù)方面仍存在許多不足之處。在對(duì)當(dāng)前已有的k-匿名算法及模型進(jìn)行分析和研究的基礎(chǔ)上，本文對(duì)k-匿名模型進(jìn)一步做了改進(jìn)，開發(fā)出了一個(gè)新的基于個(gè)性化隱私保護(hù)決策度的k-匿名粒化模型及算法。論文的主要研究內(nèi)容如下所述

3、：
　　 第一，針對(duì)現(xiàn)有的匿名化隱私保護(hù)技術(shù)在進(jìn)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(gè)性化隱私保護(hù)決策度的問題，結(jié)合實(shí)際應(yīng)用中不同個(gè)體對(duì)不同敏感屬性或同一敏感屬性不同敏感值的隱私保護(hù)需求的不同，結(jié)合粒計(jì)算理論，提出了一種基于個(gè)性化敏感屬性隱私保護(hù)決策度的個(gè)性化k-匿名模型即個(gè)性?；痥-匿名模型，又可稱為 匿名隱私保護(hù)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(shí)例中，實(shí)驗(yàn)證明，該模型能有效的提高隱私保護(hù)精度，避免了高隱私保

4、護(hù)需求的數(shù)據(jù)出現(xiàn)隱私泄露、低隱私保護(hù)需求的數(shù)據(jù)過分匿名保護(hù)的現(xiàn)象。
　　 第二，對(duì)于含有多維敏感屬性的數(shù)據(jù)，本論文采用多層?；椒āＪ紫雀鶕?jù)待發(fā)布數(shù)據(jù)中的多敏感屬性個(gè)性化隱私保護(hù)決策度的不同進(jìn)行聚類?；?，使每個(gè)?？臻g中的數(shù)據(jù)具有盡可能相似的個(gè)性化隱私保護(hù)需求。然后再對(duì)形成的?？臻g中的數(shù)據(jù)選擇相適應(yīng)的粒化和匿名參數(shù)，進(jìn)行個(gè)性?；痥-匿名。文中給出了相應(yīng)的隱私保護(hù)決策度定義和相應(yīng)的?；涿惴?。實(shí)驗(yàn)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(duì)多敏感屬性的匿名化隱私保護(hù)精度。
　　 第三，給出了實(shí)現(xiàn)個(gè)性粒化k-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；而不同的粒空間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(jì)算公式、衡量信息損失的計(jì)算公式和相應(yīng)的聚類粒化的泛化算法，并且對(duì)新算