一種基于K-匿名的隱私保護算法.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、數(shù)據(jù)發(fā)布為數(shù)據(jù)交換和數(shù)據(jù)共享提供了便利,但是數(shù)據(jù)發(fā)布的同時,個人隱私信息泄漏的問題也日益突出,隱私保護己成為數(shù)據(jù)庫安全領(lǐng)域面臨的一個新挑戰(zhàn)。K-匿名作為數(shù)據(jù)發(fā)布中保護個人隱私的一種重要方法受到了廣泛的關(guān)注。本文對K-匿名技術(shù)進行深入研究,為了更好的平衡隱私保護與匿名數(shù)據(jù)可用性之間的矛盾問題,提出一種新的匿名模型及算法,主要研究內(nèi)容如下。
   本文針對現(xiàn)有K-匿名過程中沒有充分考慮敏感屬性的隱私保護度問題,提出一種基于敏感屬性隱

2、私保護度分組的(p,α)-Sensitive K-匿名隱私保護模型。該模型首先對不同的敏感屬性值進行分析,根據(jù)敏感屬性的隱私保護度劃分成不同的組,然后為各個敏感屬性組設(shè)置不同的組隱私泄漏率,這樣不僅可以對隱私保護度相同的敏感屬性提供同樣的保護,而且也可以對分組中高敏感性的屬性值提供更強的保護。同時,本文對當前匿名泛化算法的不足進行分析,結(jié)合聚類和泛化的方法實現(xiàn)了(p,α)-Sensitive K-匿名模型,聚類的過程中使每個類中的元組盡

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論