基于聚類的隱私匿名方法研究.pdf

1、近年來，隨著信息技術(shù)、移動(dòng)通信技術(shù)、位置感知技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，各領(lǐng)域產(chǎn)生了海量的用戶數(shù)據(jù)，尤其是個(gè)人位置和軌跡數(shù)據(jù)，對(duì)其進(jìn)行數(shù)據(jù)分析、挖掘，能獲得數(shù)據(jù)潛在的規(guī)則及商業(yè)價(jià)值。然而數(shù)據(jù)是把雙刃劍，只要有數(shù)據(jù)，就必然存在安全與隱私的問題。為了對(duì)數(shù)據(jù)進(jìn)行分析，常常需要對(duì)存儲(chǔ)在服務(wù)器上的數(shù)據(jù)進(jìn)行發(fā)布，這無疑會(huì)給心懷惡意的用戶（稱為攻擊者）帶來可趁之機(jī)，威脅用戶的隱私。針對(duì)用戶信息的推理性攻擊可能導(dǎo)致個(gè)人的興趣愛好、行為模式、社會(huì)習(xí)慣等隱

2、私信息暴露，嚴(yán)重威脅到用戶的個(gè)人生命、財(cái)產(chǎn)安全。因此，為了保護(hù)發(fā)布數(shù)據(jù)中個(gè)人的隱私信息，需研究數(shù)據(jù)發(fā)布的技術(shù)和方法，使得發(fā)布的數(shù)據(jù)既能保護(hù)其隱私性又能保持較高的數(shù)據(jù)效用。
　　本文以隱私保護(hù)領(lǐng)域的兩種典型數(shù)據(jù)類型——關(guān)系數(shù)據(jù)和軌跡數(shù)據(jù)為研究背景，對(duì)隱私匿名方法展開研究，在保證數(shù)據(jù)安全性的前提下，通過相應(yīng)的匿名技術(shù)，以適當(dāng)?shù)男畔p失為代價(jià)，換取匿名數(shù)據(jù)更高的可用性，最終達(dá)到平衡數(shù)據(jù)可用性和隱私保護(hù)度的目的。本文的研究?jī)?nèi)容主要包括以下

3、四個(gè)部分：
　　首先，現(xiàn)有的許多基于限制發(fā)布的技術(shù)在實(shí)現(xiàn)k匿名算法時(shí)，采用基于分治策略的泛化技術(shù)，減少了潛在的匿名組數(shù)量；雖然基于取整劃分函數(shù)的劃分策略，避免了“可能減少潛在匿名組數(shù)量”這一情況的發(fā)生，但是沒有考慮臨時(shí)匿名組中相鄰數(shù)據(jù)點(diǎn)的距離，在劃分過程中極易產(chǎn)生許多不必要的信息損失，從而影響發(fā)布的匿名數(shù)據(jù)集的可用性。同時(shí)，在p-敏感 k-匿名模型中，存在由于敏感屬性值在聚類結(jié)果中分布不均勻，而遭到背景知識(shí)攻擊，泄露敏感信息的情況

4、。針對(duì)上述問題，本文提出基于投影區(qū)域密度劃分的k匿名算法和基于敏感屬性熵的微聚集算法，分別從數(shù)據(jù)可用性和隱私保護(hù)度兩方面解決k匿名模型存在的問題。
　　其次，在軌跡數(shù)據(jù)中，最大的隱私威脅就是“敏感位置泄露”，如果攻擊者能夠了解某人在哪些時(shí)間訪問了哪些位置，那么攻擊者就能夠確定此人在發(fā)布數(shù)據(jù)庫中的真實(shí)記錄，并且能夠了解此人的其他軌跡信息，進(jìn)而推理得到此人的行為模式、生活習(xí)慣等敏感信息，造成個(gè)人隱私信息的泄露。對(duì)此，本文提出了一種新的

5、軌跡相似性度量模型，和基于軌跡位置形狀相似性的隱私保護(hù)算法，在軌跡聚類過程中使用貪心的思想，最大限度地提高了聚類內(nèi)部軌跡之間的相似性；并且在位置聚類過程中，使用真實(shí)的原始位置信息形成數(shù)據(jù)“面罩”，滿足了軌跡k-匿名，在保護(hù)軌跡數(shù)據(jù)的同時(shí)，有效地提高了軌跡數(shù)據(jù)的可用性。
　　再次，在現(xiàn)實(shí)應(yīng)用中，不同的移動(dòng)用戶對(duì)個(gè)人隱私需求的定位是不同的，例如：有的用戶將自己的住址看作是個(gè)人隱私，而有的人則不這么認(rèn)為。簡(jiǎn)單地將所有移動(dòng)用戶的隱私保護(hù)級(jí)

6、別視為等同是不合理的。滿足移動(dòng)對(duì)象個(gè)性化的隱私需求，不僅會(huì)提高移動(dòng)對(duì)象的隱私保護(hù)程度，還能有效地降低匿名過程中不必要的信息損失。同時(shí)，現(xiàn)有的軌跡匿名算法在計(jì)算軌跡相似性時(shí)還存在沒有充分考慮軌跡內(nèi)外在特征信息的情況。針對(duì)上述問題，本文提出了個(gè)性化軌跡k-匿名的概念，和軌跡結(jié)構(gòu)相似性度量模型，并提出了基于稀疏化最小生成樹聚類的個(gè)性化隱私保護(hù)算法，通過貪婪的策略生成一個(gè)近似最優(yōu)的軌跡k-匿名集合，顯著地提高了軌跡數(shù)據(jù)的可用性。
　　最后