多敏感屬性微數(shù)據(jù)隱私保護匿名模型及算法研究.pdf

1、網(wǎng)絡時代涌現(xiàn)了大量與個體相關數(shù)據(jù)，即微數(shù)據(jù)，微數(shù)據(jù)對趨勢分析，疾病預測以及經(jīng)營決策具有重要的意義，因此很多組織開始收集和發(fā)布一些微數(shù)據(jù)，如醫(yī)院會發(fā)布患者的醫(yī)療數(shù)據(jù)用于幫助醫(yī)療事業(yè)的研究與發(fā)展。然后，微數(shù)據(jù)的發(fā)布會對隱含在微數(shù)據(jù)中的個體隱私構成威脅。因此，近年來數(shù)據(jù)發(fā)布隱私保護的研究成為數(shù)據(jù)挖掘領域的研究熱點。至今，該領域已出現(xiàn)了很多研究成果，然而這些成果多是面向單敏感屬性的，而現(xiàn)實生活中存在大量多敏感屬性微數(shù)據(jù)，單敏感屬性的匿名模型及算

2、法無法直接應用于多敏感屬性微數(shù)據(jù)，因而，開展對多敏感屬性微數(shù)據(jù)隱私保護模型及算法的研究具有重要意義。
　　在多敏感屬性微數(shù)據(jù)隱私保護的研究中，需要建立適合多敏感屬性數(shù)據(jù)的匿名模型保證數(shù)據(jù)發(fā)布的安全性，同時還需要研究實現(xiàn)匿名模型的相應算法。本文從匿名化模型及相應的算法兩方面，對多敏感屬性微數(shù)據(jù)發(fā)布中的隱私保護問題進行了研究，具體工作有:
　　(1)提出抵制多敏感屬性關聯(lián)攻擊的(l，m)-多樣性模型?，F(xiàn)有的微數(shù)據(jù)發(fā)布隱私保護匿名

3、模型均沒有考慮敏感屬性間的關聯(lián)關系，不能抵制基于敏感屬性間關系的攻擊。為此，論文提出抵制敏感屬性關聯(lián)攻擊的(l，m)-多樣性模型，該模型要求匿名數(shù)據(jù)的每個等價類中，每維敏感屬性上多樣性至少為l，并且當某一敏感值從等價類中刪除后，該等價類剩下的敏感值仍滿足(l-1，m)-多樣性。本文也提出了實現(xiàn)(l，m)-多樣性的兩個算法——BottomUp算法和TopDown算法。實驗表明，所提出的算法能很好的實現(xiàn)面向多敏感屬性的(l，m)-多樣性模型

4、，有效保護多敏感屬性微數(shù)據(jù)的個體隱私。
　　(2)提出SLOMS框架:一種面向多敏感屬性的數(shù)據(jù)發(fā)布隱私保護方法。多維桶技術是匿名化多敏感屬性數(shù)據(jù)較好的方法，然而在敏感屬性數(shù)據(jù)較多時該方法會造成較大隱匿率。另外，該方法不泛化準標識屬性容易受到連接攻擊。為此，本文提出一種SLOMS方法，該方法將多敏感屬性劃分成多個表，分別對每個敏感屬性表進行l(wèi)-多樣性分組，并且對準標識屬性進行k-匿名泛化。本文也提出了一種基于SLOMS方法的MSB-

5、KACA算法實現(xiàn)對微數(shù)據(jù)匿名化。實驗表明，SLOMS方法產(chǎn)生的匿名數(shù)據(jù)表較泛化和多維桶技術具有較小隱匿率和較少信息損失。
　　(3)提出面向多敏感屬性隱私保護的分桶排列技術。分解技術是實現(xiàn)數(shù)據(jù)匿名的較好技術，然而分解未對準標識符處理，存在安全隱患。對此，本文提出分桶排列技術，該技術在分解的基礎上，增加對準標識符的排列處理，同時結合多維桶分組技術應用于多敏感屬性隱私保護中。本文也提出實現(xiàn)分桶排列技術的兩種算法——NMBPA和CDMB