增強(qiáng)型身份保持的隱私保護(hù)方法研究.pdf

1、隨著信息時代的到來，越來越多的數(shù)據(jù)被人們利用起來。如網(wǎng)絡(luò)購物產(chǎn)生的數(shù)據(jù)，可以用于推薦系統(tǒng);患者的醫(yī)療數(shù)據(jù)，可以用于對醫(yī)療并發(fā)癥和疾病之間關(guān)聯(lián)性的研究等。但是這些數(shù)據(jù)通常包含個人的隱私信息，如果直接發(fā)布的話，將會導(dǎo)致個體的隱私泄露。同時，簡單的刪除這些數(shù)據(jù)中個體的身份信息并不能達(dá)到保護(hù)個人隱私的目的，攻擊者可以通過數(shù)據(jù)間的關(guān)聯(lián)性來推斷或分析出來個體的敏感信息。因此，數(shù)據(jù)發(fā)布中的隱私保護(hù)問題越來越受研究者重視。
　　關(guān)于數(shù)據(jù)發(fā)布的隱私

2、保護(hù)方法，最早的保護(hù)方法為k-匿名模型，后面在它的基礎(chǔ)上提出了一些擴(kuò)展模型。這些保護(hù)方法雖然能保護(hù)用戶的隱私，但是它們往往會將個體標(biāo)識屬性刪除掉，忽略了個體間的關(guān)聯(lián)性。童云海等人提出了身份保持的隱私保護(hù)方法，但是他所提出的匿名模型沒有充分考慮單一個體對應(yīng)多條記錄間的聯(lián)系，仍然造成隱私泄露。因此，本文進(jìn)一步研究身份保持的隱私保護(hù)方法，主要研究工作如下:
　　首先，分析現(xiàn)有的身份保持的隱私保護(hù)模型中存在的問題，雖然身份保持的（k,l）

3、-匿名和身份保持的（α，β)-匿名，能夠較好地保護(hù)個體的記錄鏈接攻擊，但是對敏感屬性值的約束沒有考慮一個個體對應(yīng)多個記錄之間的關(guān)系，仍然存在隱私泄露。
　　其次，針對身份保持的隱私保護(hù)模型中存在的信息泄露的問題，本文引入了推理空間和推理集的概念，提出了增強(qiáng)型的身份保持l-多樣性和增強(qiáng)型的身份保持(α,β)-匿名模型，并將檢測QI分組是否滿足增強(qiáng)型的身份保持l-多樣性模型和增強(qiáng)型的身份保持(α,β)-匿名模型分別轉(zhuǎn)變?yōu)樽钚∨黾兔舾?/p>

4、屬性值出現(xiàn)最大概率問題。針對準(zhǔn)標(biāo)識符屬性中的有序?qū)傩院蜔o序?qū)傩裕o出了更為合理的概化信息損失度量方法。進(jìn)而從信息損失的角度，給出個體間的距離、個體到類的距離以及類間的距離。
　　然后，提出一種通用的基于聚類的身份保持匿名框架，對于不同的匿名模型，在判斷一個等價組是否滿足給定的匿名約束時會有所不同。首先對原始數(shù)據(jù)的身份屬性進(jìn)行重編碼;然后判斷存在數(shù)據(jù)是否滿足給定的隱私要求，若滿足，則利用聚類的方法生成滿足匿名要求的等價類;否則，對剩