基于多屬性泛化的K-匿名算法的設計與實現(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)及利用能夠為各行各業(yè)的發(fā)展起到很好的推動作用。因而，醫(yī)療信息的發(fā)布得到了各界的廣泛關注。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)布中的隱私保護問題引起了專家學者們的重視。
　　就現(xiàn)階段來看，常見于信息發(fā)布系統(tǒng)之中的三種隱私保護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)隨機化并不是十分適用于醫(yī)

2、療信息的發(fā)布。這主要是因為，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手段很難兼顧。因而，本文選用了當下較為流行的K-匿名模型來對醫(yī)療信息發(fā)布加以實現(xiàn)。然而，就實現(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之處。特別是在泛化屬性的選取和一些細節(jié)的實現(xiàn)方面，欠缺細致的考慮，這就為其所處理的數(shù)據(jù)埋下了過度泛化的隱患，進而使得處理后數(shù)據(jù)的可用性和隱私保護性大幅度下降。
　　為此，

3、本文在實現(xiàn)K-匿名模型的經(jīng)典算法-Datafly算法的基礎上，提出了可以進一步提高處理后數(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算法的基礎之上，不僅就泛化屬性的選取方式進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的基本理論等進行了簡要介紹。接著就實現(xiàn)K-匿名模型的經(jīng)典算法中的不足進行了列