支持隱私保護(hù)的數(shù)據(jù)發(fā)布技術(shù)研究.pdf

1、近代人類社會(huì)經(jīng)歷了三次科學(xué)技術(shù)革命，每一次科技革命的爆發(fā)都會(huì)帶來(lái)生產(chǎn)力的一次大的進(jìn)步。其中第三次科學(xué)技術(shù)革命，網(wǎng)絡(luò)化發(fā)展逐步走向普及，信息共享和資源效益已被越來(lái)越多的人們關(guān)注。保護(hù)人們的隱私信息問(wèn)題已經(jīng)成為大眾關(guān)注的一個(gè)焦點(diǎn)，也是數(shù)據(jù)發(fā)布處理中一個(gè)重要的研究方向。在發(fā)布數(shù)據(jù)的過(guò)程中，如果僅僅只對(duì)可以明確確定用戶身份的顯式標(biāo)識(shí)符進(jìn)行加密或者刪除，數(shù)據(jù)隱私保護(hù)效果并不好，攻擊者仍然可以通過(guò)利用發(fā)布數(shù)據(jù)集中的準(zhǔn)標(biāo)識(shí)符屬性與外來(lái)數(shù)據(jù)集合進(jìn)行聯(lián)合

2、推演，使用多個(gè)數(shù)據(jù)集的鏈接操作，從而推算出個(gè)體希望被保護(hù)的隱私數(shù)據(jù)信息。在數(shù)據(jù)發(fā)布的隱私保護(hù)中，最重要的一種隱私保護(hù)方法是K-匿名化技術(shù)。但是如何在多屬性集合上獲取最優(yōu)K-匿名化是一個(gè)NP(Nondeterministic Polynomial)難問(wèn)題，所以對(duì)K-匿名化的主要研究集中在:一、發(fā)布數(shù)據(jù)集合的匿名化操作控制在合理的時(shí)間復(fù)雜度之中;二、同時(shí)能夠獲得較高的匿名化程度。
　　論文分析了目前已有的K-匿名化算法，并且總結(jié)出這些

3、方法所存在的優(yōu)點(diǎn)和缺點(diǎn)。論文的重點(diǎn)在于利用所抓取的數(shù)據(jù)集對(duì)Incognito算法、基于熵的屬性選擇算法等K-匿名算法進(jìn)行驗(yàn)證，并新提出一種相對(duì)均衡的算法熵-Incognito算法。針對(duì)這些方面，論文所做的主要工作如下:
　　1.熵-Incognito算法的提出。在分析面向數(shù)據(jù)發(fā)布隱私保護(hù)的相關(guān)研究現(xiàn)狀的基礎(chǔ)上，針對(duì)K-匿名技術(shù)的概念特點(diǎn)、發(fā)展應(yīng)用、可能存在的攻擊、研究現(xiàn)狀以及研究熱點(diǎn)等方面，并對(duì)常用的K-匿名化技術(shù)做了深入研究，提

4、出將熵和經(jīng)典算法Incognito算法相結(jié)合的一種算法熵-Incognito算法。該算法在損耗時(shí)間和匿名精度之間達(dá)到較好的平衡。
　　2.數(shù)據(jù)集的獲取。數(shù)據(jù)集獲取的具體方法是用編程語(yǔ)言python編寫(xiě)的網(wǎng)絡(luò)爬蟲(chóng)。網(wǎng)絡(luò)爬蟲(chóng)通過(guò)自身的模塊，分析網(wǎng)頁(yè)的樹(shù)形結(jié)構(gòu)，從給定的URL抓取我們所需的網(wǎng)頁(yè)數(shù)據(jù)。本文共獲取11426條數(shù)據(jù)，數(shù)據(jù)源來(lái)自招聘網(wǎng)站，并對(duì)數(shù)據(jù)進(jìn)行正則處理，得到本文需要的數(shù)據(jù)格式。
　　3.實(shí)驗(yàn)驗(yàn)證。運(yùn)用數(shù)據(jù)集對(duì)基于熵的