多敏感屬性微數(shù)據(jù)隱私保護(hù)匿名模型及算法研究.pdf

1、網(wǎng)絡(luò)時代涌現(xiàn)了大量與個體相關(guān)數(shù)據(jù)，即微數(shù)據(jù)，微數(shù)據(jù)對趨勢分析，疾病預(yù)測以及經(jīng)營決策具有重要的意義，因此很多組織開始收集和發(fā)布一些微數(shù)據(jù)，如醫(yī)院會發(fā)布患者的醫(yī)療數(shù)據(jù)用于幫助醫(yī)療事業(yè)的研究與發(fā)展。然后，微數(shù)據(jù)的發(fā)布會對隱含在微數(shù)據(jù)中的個體隱私構(gòu)成威脅。因此，近年來數(shù)據(jù)發(fā)布隱私保護(hù)的研究成為數(shù)據(jù)挖掘領(lǐng)域的研究熱點(diǎn)。至今，該領(lǐng)域已出現(xiàn)了很多研究成果，然而這些成果多是面向單敏感屬性的，而現(xiàn)實(shí)生活中存在大量多敏感屬性微數(shù)據(jù)，單敏感屬性的匿名模型及算

2、法無法直接應(yīng)用于多敏感屬性微數(shù)據(jù)，因而，開展對多敏感屬性微數(shù)據(jù)隱私保護(hù)模型及算法的研究具有重要意義。
　　在多敏感屬性微數(shù)據(jù)隱私保護(hù)的研究中，需要建立適合多敏感屬性數(shù)據(jù)的匿名模型保證數(shù)據(jù)發(fā)布的安全性，同時還需要研究實(shí)現(xiàn)匿名模型的相應(yīng)算法。本文從匿名化模型及相應(yīng)的算法兩方面，對多敏感屬性微數(shù)據(jù)發(fā)布中的隱私保護(hù)問題進(jìn)行了研究，具體工作有:
　　(1)提出抵制多敏感屬性關(guān)聯(lián)攻擊的(l，m)-多樣性模型。現(xiàn)有的微數(shù)據(jù)發(fā)布隱私保護(hù)匿名

3、模型均沒有考慮敏感屬性間的關(guān)聯(lián)關(guān)系，不能抵制基于敏感屬性間關(guān)系的攻擊。為此，論文提出抵制敏感屬性關(guān)聯(lián)攻擊的(l，m)-多樣性模型，該模型要求匿名數(shù)據(jù)的每個等價類中，每維敏感屬性上多樣性至少為l，并且當(dāng)某一敏感值從等價類中刪除后，該等價類剩下的敏感值仍滿足(l-1，m)-多樣性。本文也提出了實(shí)現(xiàn)(l，m)-多樣性的兩個算法——BottomUp算法和TopDown算法。實(shí)驗表明，所提出的算法能很好的實(shí)現(xiàn)面向多敏感屬性的(l，m)-多樣性模型

4、，有效保護(hù)多敏感屬性微數(shù)據(jù)的個體隱私。
　　(2)提出SLOMS框架:一種面向多敏感屬性的數(shù)據(jù)發(fā)布隱私保護(hù)方法。多維桶技術(shù)是匿名化多敏感屬性數(shù)據(jù)較好的方法，然而在敏感屬性數(shù)據(jù)較多時該方法會造成較大隱匿率。另外，該方法不泛化準(zhǔn)標(biāo)識屬性容易受到連接攻擊。為此，本文提出一種SLOMS方法，該方法將多敏感屬性劃分成多個表，分別對每個敏感屬性表進(jìn)行l(wèi)-多樣性分組，并且對準(zhǔn)標(biāo)識屬性進(jìn)行k-匿名泛化。本文也提出了一種基于SLOMS方法的MSB-

5、KACA算法實(shí)現(xiàn)對微數(shù)據(jù)匿名化。實(shí)驗表明，SLOMS方法產(chǎn)生的匿名數(shù)據(jù)表較泛化和多維桶技術(shù)具有較小隱匿率和較少信息損失。
　　(3)提出面向多敏感屬性隱私保護(hù)的分桶排列技術(shù)。分解技術(shù)是實(shí)現(xiàn)數(shù)據(jù)匿名的較好技術(shù)，然而分解未對準(zhǔn)標(biāo)識符處理，存在安全隱患。對此，本文提出分桶排列技術(shù)，該技術(shù)在分解的基礎(chǔ)上，增加對準(zhǔn)標(biāo)識符的排列處理，同時結(jié)合多維桶分組技術(shù)應(yīng)用于多敏感屬性隱私保護(hù)中。本文也提出實(shí)現(xiàn)分桶排列技術(shù)的兩種算法——NMBPA和CDMB