面向醫(yī)療信息的隱私保護(hù)研究.pdf

1、在大數(shù)據(jù)的環(huán)境下，數(shù)據(jù)安全與隱私問題一直備受關(guān)注。大量的數(shù)據(jù)中記錄了用戶方方面面的詳盡信息，這些數(shù)據(jù)中不僅包含了用戶的敏感信息，同時(shí)利用數(shù)據(jù)的分析和挖掘等技術(shù)，還能推測出用戶喜好、個(gè)人習(xí)慣等當(dāng)前狀態(tài)，甚至可以預(yù)測用戶行為。這些信息的泄露都將會(huì)對(duì)個(gè)體造成無法估量的傷害。而醫(yī)療信息由于其特殊性，它的泄露必然會(huì)給個(gè)人及社會(huì)帶來更為嚴(yán)重的影響。
　　本文分析了現(xiàn)有隱私保護(hù)模型在疾病嚴(yán)重程度保護(hù)方面的不足，對(duì)疾病根據(jù)其嚴(yán)重程度進(jìn)行了分級(jí)，疾

2、病越嚴(yán)重，表示其越敏感，并給出了對(duì)給定疾病根據(jù)其嚴(yán)重程度分級(jí)的方法。針對(duì)現(xiàn)有隱私保護(hù)模型容易引起敏感程度同質(zhì)攻擊的問題，提出了一個(gè)保護(hù)敏感值的同時(shí)對(duì)敏感級(jí)進(jìn)行保護(hù)的模型-(k,ι1，ι2)-匿名模型。該模型在不破壞現(xiàn)有隱私保護(hù)模型對(duì)敏感值的保護(hù)能力的前提下，增加了對(duì)敏感級(jí)的保護(hù)，降低了攻擊者通過同質(zhì)攻擊獲得被攻擊者敏感級(jí)的概率。本文擴(kuò)展了全局編碼算法 Incognito和自頂向下的局部重編碼算法 TDLRA，使其能用于實(shí)現(xiàn)(k,ι1，ι

3、2)-匿名模型，用實(shí)驗(yàn)證明了該模型的可行性。針對(duì)敏感程度高的敏感級(jí)的泄露對(duì)個(gè)體帶來的影響，提出了一個(gè)對(duì)不同敏感級(jí)差別對(duì)待的隱私保護(hù)模型-(k,ι1，ι2，α)-匿名模型，該模型在不破壞上個(gè)模型對(duì)敏感值和敏感級(jí)的保護(hù)能力的前提下，通過限制各敏感級(jí)在等價(jià)組中出現(xiàn)的頻率，來達(dá)到隱私保護(hù)的目的。對(duì)敏感程度越高的敏感級(jí)，要求其在等價(jià)組中出現(xiàn)的頻率越低，以此來降低敏感程度高的敏感級(jí)的泄露概率，而敏感程度低的敏感級(jí)的泄露對(duì)數(shù)據(jù)擁有者不會(huì)造成很大的影響