面向數(shù)據(jù)發(fā)布的隱私保護方法研究.pdf

1、隨著數(shù)據(jù)分析和互聯(lián)網技術的飛速發(fā)展，越來越多的組織部門和科研機構將收集到的大量數(shù)據(jù)公之于眾，以實現(xiàn)數(shù)據(jù)的共享、統(tǒng)計和挖掘。然而，這些發(fā)布數(shù)據(jù)中大多含有個體的敏感信息，如個體的疾病、工資、興趣偏好等信息，攻擊者能夠從發(fā)布數(shù)據(jù)中獲得較高的信息增益。通常情況下，數(shù)據(jù)發(fā)布的過程中也會增加用戶隱私泄露的風險。同時，數(shù)據(jù)發(fā)布中的隱私泄露將阻礙整個社會信息發(fā)布和信息共享，不利于維護社會的和諧、穩(wěn)定發(fā)展。因此，在向公眾發(fā)布數(shù)據(jù)前，數(shù)據(jù)發(fā)布者需要對涉及個

2、體隱私的數(shù)據(jù)進行保護，以降低惡意攻擊者獲得用戶敏感信息的幾率。本文分別從面向保護效果和面向數(shù)據(jù)效用兩方面對隱私保護方法開展研究，在保護發(fā)布數(shù)據(jù)的隱私安全的前提下，通過數(shù)據(jù)匿名技術和數(shù)據(jù)擾動技術對原始數(shù)據(jù)進行隱私保護處理，以滿足發(fā)布數(shù)據(jù)的不同應用需求，從而實現(xiàn)發(fā)布數(shù)據(jù)的可用性和數(shù)據(jù)隱私安全間的平衡。本文的研究內容主要包括以下四個部分：
　　首先，針對傳統(tǒng)匿名模型無法抵御相關性攻擊，易形成敏感值高度相關的等價類的問題，在傳統(tǒng) l-多樣

3、性模型的基礎上，提出了一種約束等價類中敏感值相關性的(s,l)-多樣性模型。該模型以敏感集合中非敏感屬性值的分布度量敏感值的相關性，通過等價類中敏感值相關性的約束來降低高相關性敏感值產生的信息泄露。同時，使用屬性值間相關性作為距離度量基準，提出了一種(s,l)-多樣性聚類算法（SLCA）來實現(xiàn)該匿名模型，以降低數(shù)據(jù)泛化過程中的信息損失。對比實驗表明，SLCA算法具有較低的時間開銷，且能夠有效降低發(fā)布的等價類中敏感值的相關性，較好地抵御攻

4、擊者的相關性攻擊。
　　其次，針對 t-相近性模型實現(xiàn)方法的性能較低，且無法較好的抵御敏感性攻擊的問題，在傳統(tǒng) t-相近性模型基礎上定義了(l,t)-相近性模型，該模型放寬了t-相近性模型對等價類的約束，要求敏感等級在等價類中的分布與數(shù)據(jù)集中的分布之間的Hellinger距離不大于閾值 t。同時，使用敏感值的自信息來度量敏感度以實現(xiàn)敏感屬性的敏感等級劃分，并提出了一種基于聚類的(l,t)-相近性匿名算法（(l,t)-CCA），該算

5、法通過在敏感等級桶中抽取距離最近的元組形成等價類來實現(xiàn)該匿名模型，以降低等價類中元組的敏感值間敏感程度的差異，并抵御攻擊者的敏感性攻擊。對比實驗結果表明，(l,t)-CCA算法具有較小的信息損失和較低的時間代價，能夠更加有效的實現(xiàn)數(shù)據(jù)發(fā)布中數(shù)據(jù)的可用性與隱私安全間的平衡。
　　再次，針對多敏感屬性數(shù)據(jù)發(fā)布中的隱私泄露及攻擊者的敏感性攻擊，在傳統(tǒng) l-多樣性的基礎上，提出了一種基于屬性分解，以逆聚類方法構造敏感組的多敏感屬性(l1,

6、l2,…,ld)-多樣性的隱私保護方法，在滿足數(shù)據(jù)表多敏感屬性值多樣性的同時，有效地降低了多敏感屬性數(shù)據(jù)表的敏感性，增強了數(shù)據(jù)的可用性。最后，通過仿真實驗驗證了同等條件下，該算法能夠有效的抵御攻擊者的敏感性攻擊，且具有較低的信息隱匿率，雖然在執(zhí)行時間上與對比算法相比略高，但該算法所處理的發(fā)布數(shù)據(jù)集具有較好的隱私保護效果和數(shù)據(jù)可用性，略高的執(zhí)行時間是能夠被接受的。
　　最后，針對現(xiàn)有數(shù)據(jù)擾動方法不能較好地維持原始數(shù)據(jù)的聚類可用性問題

7、，提出一種面向聚類挖掘，基于數(shù)據(jù)擾動技術的隱私保護方法。該方法將具有d維屬性的數(shù)據(jù)集抽象為d維空間，根據(jù)節(jié)點的k鄰域分布計算節(jié)點的鄰域拓撲勢熵，并提出了由節(jié)點的鄰域拓撲勢熵將節(jié)點劃分為鄰域分散型節(jié)點和鄰域緊密型節(jié)點的方法。同時，還提出一種根據(jù)節(jié)點的不同類型分別執(zhí)行不同擾動策略的數(shù)據(jù)擾動算法DPTPE，對于鄰域分散型節(jié)點，使用其k鄰域節(jié)點的均值替換該節(jié)點，對于鄰域緊密型節(jié)點，則在其安全鄰域中隨機抽取一個節(jié)點替換該節(jié)點。通過仿真實驗表明，D