集值數(shù)據(jù)發(fā)布中敏感度自適應模型及匿名化方法研究.pdf

1、隨著近年來計算機技術的迅速發(fā)展和其在生活中的普遍應用，使得網(wǎng)絡中存儲了大量的數(shù)據(jù)。集值數(shù)據(jù)的典型來源有:超市的購物記錄、web查詢記錄、患者醫(yī)療數(shù)據(jù)等。發(fā)布收集到的數(shù)據(jù)集有重要的意義，例如:企業(yè)用于制定有效的銷售決策，政府進行輿情監(jiān)控，醫(yī)學上研究疾病之間的潛在關聯(lián)等等。然而這些數(shù)據(jù)中可能包含了個體的隱私信息，如果將其直接發(fā)布，有可能會泄露個體的隱私。簡單地刪除數(shù)據(jù)中個體的身份信息并不能達到隱私保護的目的，敏感信息可以通過數(shù)據(jù)之間的復雜關

2、聯(lián)性被推斷或分析出來，數(shù)據(jù)的隱私保護涉及數(shù)據(jù)分析、信息安全和不確定性處理等多種研究領域，集值數(shù)據(jù)發(fā)布的隱私保護問題已經(jīng)成為當前的一個研究熱點。
　　面向集值數(shù)據(jù)的隱私保護方法最早的有k-匿名模型和基于它的一些擴展模型，后期的ρ-不確定性隱私保護模型，能夠從數(shù)據(jù)集的隱私性和效用性這兩個方面更好的符合集值型數(shù)據(jù)的特點。而ρ-不確定性隱私保護模型中將敏感項目的敏感度均視為同一個敏感等級，要求攻擊者根據(jù)背景知識推斷出個體擁有敏感項目的概率

3、值不能大于ρ。而針對一些不均勻的數(shù)據(jù)集，其敏感項目分布極不均勻或敏感項目自身敏感度就有區(qū)別的情況下，如果不考慮這些特征，會導致對敏感度較高的項目保護力度不夠或對敏感度低的項目造成過保護，使得匿名后數(shù)據(jù)集的效用性較低。本文主要研究工作如下:
　　首先，提出一種敏感度自適應的不確定性隱私保護方法和模型。該方法根據(jù)敏感項目的敏感度不同而自適應制定ρ-不確定性隱私保護模型，考慮了影響項目敏感度的多方面因素，制定出使敏感度不同的項目擁有多樣

4、化的隱私閡值ρ。對發(fā)布的數(shù)據(jù)集中能推斷出敏感項目的概率值進行彈性控制，提供一種更加靈活、更能應用于具有多種特征的數(shù)據(jù)集、更能滿足個體個性化需求的隱私保護模型。
　　然后，根據(jù)提出的隱私方法，采用局部泛化與部分刪除相結合的算法來實現(xiàn)整個匿名過程，匿名過程中采用自上而下的啟發(fā)式算法實現(xiàn)對數(shù)據(jù)集的分組，根據(jù)制定的消除策略，不斷地消除各個組內違反了隱私要求的敏感關聯(lián)規(guī)則。匿名過程中采用自上而下的啟發(fā)式算法實現(xiàn)對數(shù)據(jù)集的分組，根據(jù)制定的消除