實(shí)現(xiàn)敏感屬性多樣性的微聚集算法研究.pdf

1、在數(shù)據(jù)發(fā)布中,隱私保護(hù)技術(shù)主要保護(hù)的是個(gè)體敏感信息和唯一標(biāo)識(shí)屬性之間的對應(yīng)關(guān)系。在公開數(shù)據(jù)時(shí),若簡單的將標(biāo)識(shí)符去除,是不能夠?qū)崿F(xiàn)對隱私數(shù)據(jù)的保護(hù)。利用鏈接攻擊的手段,攻擊者就可以獲取與個(gè)體相關(guān)的敏感信息。為了使敏感信息的安全性得到保證,學(xué)者們采用了k-匿名模型。這個(gè)模型的必要條件是在發(fā)布的信息中最少有 k條記錄的準(zhǔn)標(biāo)識(shí)屬性不能區(qū)分,確保數(shù)據(jù)竊取者鎖定不了隱私信息的宿主,實(shí)現(xiàn)對敏感信息的保護(hù)。
　　對于敏感數(shù)據(jù),k-匿名模型未進(jìn)行任

2、何限制,所以攻擊者可以借用一定的方式進(jìn)行對隱私數(shù)據(jù)的竊取活動(dòng),比如可以利用同質(zhì)性攻擊方法,也可以利用背景知識(shí)攻擊。針對k-匿名存在的不足,l-diversity被提了出來,它要求等價(jià)類中的敏感屬性值的個(gè)數(shù)不少于l,有效的減小了隱私泄露的概率。本文基于微聚集和l-多樣性模型,提出了實(shí)現(xiàn)敏感屬性多樣性的微聚集算法,在保證數(shù)據(jù)可用性的同時(shí),有效保證了發(fā)布數(shù)據(jù)的安全。本文的主要工作如下:
　　①論文研究了k-匿名模型的基本原理,實(shí)現(xiàn)k-匿

3、名的方法以及k-匿名的評價(jià)標(biāo)準(zhǔn)。研究微聚集算法的相關(guān)理論知識(shí),包括微聚集的相關(guān)計(jì)算方法。論文通過研究微聚集實(shí)現(xiàn) k-匿名的步驟以及現(xiàn)有的微聚集實(shí)現(xiàn) k-匿名的算法,分析其優(yōu)點(diǎn)和缺點(diǎn),找到改進(jìn)點(diǎn),提高其隱私保護(hù)能力,同時(shí)保證它的可用性。
　?、谡撐奶岢鰧?shí)現(xiàn)敏感屬性多樣性的微聚集算法。通過對k-匿名和l-多樣性模型的研究,對當(dāng)前微聚集算法MDAV進(jìn)行了改進(jìn)。針對它存在的不足,文中給出了解決未限制敏感屬性這個(gè)缺陷的方案。本文算法是:首先

4、選取與所有的記錄中心最靠近的條記錄歸為一類,這 l條記錄的敏感屬性值必須是不相同的,然后在滿足-多樣性的前提下對該類進(jìn)行擴(kuò)展。由于經(jīng)過匿名化后的數(shù)據(jù)表中的每個(gè)等價(jià)類的敏感屬性值的個(gè)數(shù)滿足了l-多樣性,使得發(fā)布數(shù)據(jù)抵抗同質(zhì)性攻擊和背景知識(shí)攻擊的能力大大增強(qiáng)。同時(shí),算法保持了微聚集算法簡單、高效的特點(diǎn),保證了算法的低信息損失和高執(zhí)行效率。
　?、壅撐耐ㄟ^把本文算法和傳統(tǒng)的MDAV算法進(jìn)行實(shí)驗(yàn)對比,驗(yàn)證算法的性能。實(shí)驗(yàn)證明:本文算法在單