支持隱私保護的數(shù)據發(fā)布技術研究.pdf

1、近代人類社會經歷了三次科學技術革命，每一次科技革命的爆發(fā)都會帶來生產力的一次大的進步。其中第三次科學技術革命，網絡化發(fā)展逐步走向普及，信息共享和資源效益已被越來越多的人們關注。保護人們的隱私信息問題已經成為大眾關注的一個焦點，也是數(shù)據發(fā)布處理中一個重要的研究方向。在發(fā)布數(shù)據的過程中，如果僅僅只對可以明確確定用戶身份的顯式標識符進行加密或者刪除，數(shù)據隱私保護效果并不好，攻擊者仍然可以通過利用發(fā)布數(shù)據集中的準標識符屬性與外來數(shù)據集合進行聯(lián)合

2、推演，使用多個數(shù)據集的鏈接操作，從而推算出個體希望被保護的隱私數(shù)據信息。在數(shù)據發(fā)布的隱私保護中，最重要的一種隱私保護方法是K-匿名化技術。但是如何在多屬性集合上獲取最優(yōu)K-匿名化是一個NP(Nondeterministic Polynomial)難問題，所以對K-匿名化的主要研究集中在:一、發(fā)布數(shù)據集合的匿名化操作控制在合理的時間復雜度之中;二、同時能夠獲得較高的匿名化程度。
　　論文分析了目前已有的K-匿名化算法，并且總結出這些

3、方法所存在的優(yōu)點和缺點。論文的重點在于利用所抓取的數(shù)據集對Incognito算法、基于熵的屬性選擇算法等K-匿名算法進行驗證，并新提出一種相對均衡的算法熵-Incognito算法。針對這些方面，論文所做的主要工作如下:
　　1.熵-Incognito算法的提出。在分析面向數(shù)據發(fā)布隱私保護的相關研究現(xiàn)狀的基礎上，針對K-匿名技術的概念特點、發(fā)展應用、可能存在的攻擊、研究現(xiàn)狀以及研究熱點等方面，并對常用的K-匿名化技術做了深入研究，提

4、出將熵和經典算法Incognito算法相結合的一種算法熵-Incognito算法。該算法在損耗時間和匿名精度之間達到較好的平衡。
　　2.數(shù)據集的獲取。數(shù)據集獲取的具體方法是用編程語言python編寫的網絡爬蟲。網絡爬蟲通過自身的模塊，分析網頁的樹形結構，從給定的URL抓取我們所需的網頁數(shù)據。本文共獲取11426條數(shù)據，數(shù)據源來自招聘網站，并對數(shù)據進行正則處理，得到本文需要的數(shù)據格式。
　　3.實驗驗證。運用數(shù)據集對基于熵的