隱私保護(hù)的微聚集算法研究.pdf

1、在現(xiàn)代信息社會中，網(wǎng)絡(luò)的快速發(fā)展使得越來越多的數(shù)據(jù)實(shí)現(xiàn)了共享，其中很多數(shù)據(jù)含有用戶的隱私信息。信息的增長為人們的工作和生活提供了便利，也對個(gè)人隱私造成了威脅。在數(shù)據(jù)發(fā)布的過程中，常常會出現(xiàn)用戶隱私信息泄露的問題，隱私保護(hù)已成為一個(gè)重要的研究領(lǐng)域。k-匿名是保護(hù)隱私信息的重要方法，它能夠簡單有效地對發(fā)布數(shù)據(jù)進(jìn)行隱私保護(hù)。近幾年，很多學(xué)者又將微聚集方法與k-匿名技術(shù)相結(jié)合，以達(dá)到更好的匿名效果。本文主要針對隱私保護(hù)中的微聚集方法進(jìn)行研究，具

2、體工作如下：
　　(1)研究了隱私保護(hù)的相關(guān)技術(shù)，重點(diǎn)分析了k-匿名模型和l-多樣性模型，通過對各種k-匿名算法的比較，明確了各算法的優(yōu)缺點(diǎn)，并對算法的不足之處提出了改進(jìn)。
　　(2)對隱私保護(hù)中的微聚集方法進(jìn)行了深入研究，總結(jié)了微聚集匿名技術(shù)的發(fā)展動態(tài)，分析了微聚集算法的評估模型。針對現(xiàn)有微聚集算法在處理大樣本數(shù)據(jù)集時(shí)耗時(shí)長、效率低的問題，提出了改進(jìn)方法。通過引入分治法思想，對大數(shù)據(jù)集進(jìn)行聚類預(yù)處理，能夠縮短算法執(zhí)行時(shí)間，

3、提高算法運(yùn)行效率。
　　(3)分析了初始聚類對數(shù)據(jù)集敏感屬性分布的影響，針對現(xiàn)有微聚集算法在處理敏感屬性多樣性問題時(shí)的不足，本文在聚類基礎(chǔ)上提出了一種MKL算法。該算法在初始聚類的過程中按比例劃分，然后再對各個(gè)子數(shù)據(jù)集進(jìn)行l(wèi)-多樣性處理，從而使得匿名數(shù)據(jù)既能滿足可用性，又不會造成過高的信息損失。最后對算法中m值的取定給出了有效評估方法。
　　(4)利用加利福尼亞大學(xué)機(jī)器學(xué)習(xí)中心的Adult數(shù)據(jù)庫對算法進(jìn)行了相關(guān)實(shí)驗(yàn)，并對實(shí)驗(yàn)