支持隱私保護的數(shù)據(jù)發(fā)布技術(shù)研究.pdf

1、近代人類社會經(jīng)歷了三次科學(xué)技術(shù)革命，每一次科技革命的爆發(fā)都會帶來生產(chǎn)力的一次大的進步。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越多的人們關(guān)注。保護人們的隱私信息問題已經(jīng)成為大眾關(guān)注的一個焦點，也是數(shù)據(jù)發(fā)布處理中一個重要的研究方向。在發(fā)布數(shù)據(jù)的過程中，如果僅僅只對可以明確確定用戶身份的顯式標(biāo)識符進行加密或者刪除，數(shù)據(jù)隱私保護效果并不好，攻擊者仍然可以通過利用發(fā)布數(shù)據(jù)集中的準(zhǔn)標(biāo)識符屬性與外來數(shù)據(jù)集合進行聯(lián)合

2、推演，使用多個數(shù)據(jù)集的鏈接操作，從而推算出個體希望被保護的隱私數(shù)據(jù)信息。在數(shù)據(jù)發(fā)布的隱私保護中，最重要的一種隱私保護方法是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NP(Nondeterministic Polynomial)難問題，所以對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間復(fù)雜度之中;二、同時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)點和缺點。論文的重點在于利用所抓取的數(shù)據(jù)集對Incognito算法、基于熵的屬性選擇算法等K-匿名算法進行驗證，并新提出一種相對均衡的算法熵-Incognito算法。針對這些方面，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)布隱私保護的相關(guān)研究現(xiàn)狀的基礎(chǔ)上，針對K-匿名技術(shù)的概念特點、發(fā)展應(yīng)用、可能存在的攻擊、研究現(xiàn)狀以及研究熱點等方面，并對常用的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。該算法在損耗時間和匿名精度之間達到較好的平衡。
　　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言python編寫的網(wǎng)絡(luò)爬蟲。網(wǎng)絡(luò)爬蟲通過自身的模塊，分析網(wǎng)頁的樹形結(jié)構(gòu)，從給定的URL抓取我們所需的網(wǎng)頁數(shù)據(jù)。本文共獲取11426條數(shù)據(jù)，數(shù)據(jù)源來自招聘網(wǎng)站，并對數(shù)據(jù)進行正則處理，得到本文需要的數(shù)據(jù)格式。
　　3.實驗驗證。運用數(shù)據(jù)集對基于熵的