集值數(shù)據(jù)發(fā)布中多級敏感模型及隱私保護方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術的普及，電子商務、在線社會網(wǎng)絡、云計算等基于互聯(lián)網(wǎng)的應用也得到迅速發(fā)展，網(wǎng)絡上正在快速聚集多類型、海量的數(shù)據(jù)資源。正是這些海量數(shù)據(jù)為人類進行科學研究、商業(yè)規(guī)劃、經(jīng)濟分析、社會群體分析和決策等研究提供數(shù)據(jù)支撐，數(shù)據(jù)的利用體現(xiàn)出巨大的科學、經(jīng)濟和政治價值。在數(shù)據(jù)共享或利益的驅動下，數(shù)據(jù)的公開發(fā)布成為一個關鍵性需求，然而這些數(shù)據(jù)中往往包含個體的隱私信息，直接發(fā)布會造成隱私泄露，因此隱私保護是數(shù)據(jù)共享的基礎。
　　集值數(shù)據(jù)作

2、為數(shù)據(jù)發(fā)布中一種重要的數(shù)據(jù)類型，它包含電子商務數(shù)據(jù)、患者醫(yī)療數(shù)據(jù)、用戶上網(wǎng)點擊流等。這類數(shù)據(jù)具有稀疏高維，數(shù)量大等特點，沒有固定的準標識符，記錄中的敏感屬性存在多樣性。因此傳統(tǒng)的面向關系型數(shù)據(jù)的隱私保護方法并不適用子集值數(shù)據(jù)。面向集值數(shù)據(jù)的匿名化技術研究主要關注項目集的匿名，目前的研究有k-匿名，(h，k，p)匿名以及ρ-uncertainty等。k匿名方法通過分組泛化使得組內記錄完全相同，數(shù)據(jù)失真嚴重，且當組內記錄均包含相同敏感值時，

3、該方法無法抵御同質攻擊。而(h，k，p）匿名和ρ-uncertainty方法沒有考慮集值數(shù)據(jù)中敏感項的敏感程度與隱私保護程度對應關系而采用統(tǒng)一的隱私保護方法，這會導致部分數(shù)據(jù)由于達不到匿名要求而被過分抑制，降低了數(shù)據(jù)的可用性。
　　本文針對上述存在的問題展開一系列研究，首先對集值數(shù)據(jù)的隱私保護問題進行了深入的分析，然后詳細討論了現(xiàn)有隱私模型存在的缺陷，并給出具體解決方案。最后為了防止身份和敏感屬性泄露，提出了新的隱私保護模型并設計

4、了相應的實現(xiàn)算法，更好地平衡了數(shù)據(jù)的可用性和隱私保護強度。
　　本文的研究成果主要包含以下幾個方面:
　　(1)首先對集值數(shù)據(jù)隱私保護的研究背景和現(xiàn)狀進行了分析，詳細介紹了集值數(shù)據(jù)km-匿名，k-匿名，(h，k，p）匿名以及ρ-uncertainty等方法，并指出這些匿名方法存在的缺陷。其中km-匿名方法假設攻擊者的背景知識是m,通過自頂向下泛化保證包含m個項目的記錄至少有k條，然而實際應用中攻擊者的背景知識是很難確定的。k

5、-匿名模型在此基礎上改進，假設攻擊者的背景知識是任意的，通過構造k條相同記錄使得攻擊者無法辨別其中任意一條，從而達到隱私保護的目的。但集值數(shù)據(jù)中很多記錄并不包含敏感信息，發(fā)布出去不會造成隱私泄露，采用k-匿名方法由于“過保護”會造成大量有用信息丟失，且該方法無法抵御同質攻擊。（h，k，p)匿名以及ρ-uncertainty方法的主要缺陷是未考慮不同敏感值之間敏感性的差異化。
　　(2)根據(jù)集值數(shù)據(jù)的特點，本文提出為敏感性分級的方法

6、，該方法給所有敏感值指定敏感等級，并為每個敏感等級設置不同的隱私閾值。在此基礎上，設計了(p，k，ρ）隱私保護模型。在該模型中，假設攻擊者的背景知識只是部分非敏感信息p，對這部分信息的處理方法是采用聚類，使其滿足k匿名，同時為不同的敏感值指定敏感等級，然后根據(jù)敏感等級的不同等級逐條檢測是否有敏感項超過指定閾值，對超過閾值的敏感項進行抑制。(p，k，ρ）隱私保護模型結合k-匿名和ρ-uncertainty方法的思想，改進它們的不足，考慮敏

7、感項分布對數(shù)據(jù)敏感度的影響，一定程度上能更好的提高數(shù)據(jù)的效用性，同時該模型能很好的防止鏈接攻擊并降低敏感屬性泄露的風險。
　　(3)基于以上隱私模型，本文設計了一種基于貪心策略的聚類更新(p，k，ρ）匿名算法，該算法按隱私限制集p的支持度進行排序，以信息損失作為度量標準，每次選擇支持度最大的p，從中選擇泛化信息損失最小的兩個項目進行聚類，直到所有p滿足k匿名。同時檢測是否有敏感關聯(lián)規(guī)則超過閾值ρ，對超過閾值的敏感項目進行抑制。最后