基于聚類模型的非顯式隱私保護方法研究.pdf

1、信息爆炸的今天，各行各業(yè)每天都產(chǎn)生大量的數(shù)據(jù)，這些不同的數(shù)據(jù)構(gòu)成了一個“數(shù)據(jù)集市”。互聯(lián)網(wǎng)高速發(fā)展與普及，數(shù)據(jù)大規(guī)格集中管理與推廣，激發(fā)了人們對數(shù)據(jù)公開和數(shù)據(jù)共享的需求。然而，大量不同的數(shù)據(jù)不斷地被發(fā)布出來，這些數(shù)據(jù)或多或少會泄露用戶的隱私，同時這種泄露又是不可避免。因此，如何解決數(shù)據(jù)發(fā)布的質(zhì)量和隱私保護這對矛盾，成為科研工作者們一個迫切需要研究的課題。
　　傳統(tǒng)的基于泛化分層的隱私保護方法，都是以數(shù)據(jù)塊或者等價類的方式來保護隱私

2、。這類保護方法通過數(shù)據(jù)塊的方式，增加攻擊者推斷的成本，減少攻擊者的后驗知識。它們一般只考慮局部數(shù)據(jù)塊，所以往往能夠簡單、直接地保護到用戶的隱私。這種局部保護方法的弊端是，沒有考慮到發(fā)布數(shù)據(jù)的全局損失。這種損失主要是體現(xiàn)在兩個方面，首先是沒有考慮全局的損失，不能使得全局損失最少；其次是沒有考慮數(shù)據(jù)整體模型的變化。而本文正是針對這兩個問題，提出了兩種全局保護的方法，一是提出了一種改進的t-逼近算法；二是提出了基于聚類模型的隱私保護方法。

3、r>　　首先，針對 t-逼近算法未能考慮抑制過程對發(fā)布數(shù)據(jù)全局損失的問題，本文提出了一種改進的t-逼近算法，在原始的t-逼近算法的基礎(chǔ)上增加約束d，為了保證 d最小，在抑制的過程中每次選擇損失最少的記錄，從而減少全局隱私的損失；
　　其次，針對泛化分層算法未能考慮敏感屬性對發(fā)布數(shù)據(jù)整體模型的聚類影響問題，提出了基于聚類模型的隱私保護方法，該模型是一個基于維度的改進的高斯混合模型。改進的有限混合模型將混合成分進一步拆解成三個混合成分