數據發(fā)布中多敏感屬性數據隱私保護算法.pdf

1、隨著信息技術的快速發(fā)展,如何在保證隱私數據安全的同時提高計算機信息系統(tǒng)發(fā)布數據的可用性,已成為當前計算機系統(tǒng)安全領域面臨的挑戰(zhàn)問題之一。本文針對靜態(tài)、動態(tài)環(huán)境下數據發(fā)布中敏感信息泄露的問題進行研究,主要研究針對多敏感屬性數據集的基于k-匿名模型的概率k-匿名改進算法和基于m-不變性匿名模型的改進算法的設計與實現。
　　基于k-匿名模型的要求,研究提出適用于靜態(tài)多敏感屬性數據集的基于變長聚類的概率k-匿名算法,該算法在原始概率k-匿

2、名算法基礎上,綜合考慮距離和權重值對聚類種子選取以及聚類結果的影響,建立一個新的聚類種子選取模型,以獲得更好的聚類結果,提高匿名數據集的數據質量;提出融合k-means與變長聚類算法的概率k-匿名并行算法,采用多線程并行技術,在不降低匿名質量的前提下,大大提升算法處理大數據集的效率。實驗結果表明,所提出的算法效率高、生成的匿名數據集具有較高的數據可用性。
　　針對動態(tài)數據集環(huán)境下隱私泄露的問題,對經典算法m-invariant算法