數(shù)據(jù)發(fā)布中的敏感屬性隱私保護(hù)方法研究.pdf

1、如今大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展對全球經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變、人類生活水平的提高和國家綜合能力的增強(qiáng)起到顯著推動作用。為促進(jìn)該產(chǎn)業(yè)又好又快的發(fā)展，首要任務(wù)就是開放共享數(shù)據(jù)，但企業(yè)或組織機(jī)構(gòu)發(fā)布的數(shù)據(jù)中可能存在工作秘密和個人隱私等敏感信息，故發(fā)布之前要對這些數(shù)據(jù)進(jìn)行處理，如何保證所發(fā)布的數(shù)據(jù)既有較高的可用性又能保證這些敏感信息不被泄露就變得至關(guān)重要。
　　本文首先闡述了數(shù)據(jù)發(fā)布中隱私保護(hù)的研究背景和研究現(xiàn)狀，詳細(xì)介紹了攻擊者獲取用戶信息的攻擊形式和

2、匿名模型的實現(xiàn)技術(shù)；其次，在單敏感屬性隱私保護(hù)方面，深入研究了K-Anonymity和L-Diversity模型，并針對兩種模型均無法抵御背景知識攻擊和相似性攻擊，提出面向分類型敏感屬性(t, sim, dif)分級匿名算法，該算法對敏感屬性的現(xiàn)實意義進(jìn)行語義分析，將敏感屬性相互之間的相似程度進(jìn)行量化，根據(jù)量化值來實現(xiàn)對敏感屬性值的劃分，最終使等價類中屬性值存在語義相似性增大的同時存在語義差異性；再次，在多敏感屬性隱私保護(hù)方面，本文對多

3、維桶分組技術(shù)（MSB）及其提出的三種算法進(jìn)行深入研究，針對MSB技術(shù)在敏感屬性增多時會出現(xiàn)匿名數(shù)據(jù)信息損失率較大、數(shù)據(jù)隱匿率較高等情況，提出了一種改進(jìn)的MBF高效算法，即最大選擇度桶優(yōu)先算法（Maximum Selectivity Bucket First），該方法將原始數(shù)據(jù)表分為一個準(zhǔn)標(biāo)識符表和若干以敏感屬性相關(guān)性劃分而成的敏感屬性子表，多個子表之間使用組內(nèi)ID進(jìn)行連接，這樣降低了敏感屬性的維數(shù)，該算法可以顯著降低匿名率，能更好保護(hù)用