數(shù)據(jù)共享中隱私保護(hù)方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的快速增長(zhǎng)，以數(shù)字形式提供的關(guān)于個(gè)體信息的數(shù)量激增。信息的方便獲取對(duì)多數(shù)人來說，生活變得更加便捷了。例如，社會(huì)網(wǎng)絡(luò)使得我們隨時(shí)與朋友取得聯(lián)系，搜索引擎使我們動(dòng)幾下鼠標(biāo)就可以獲取信息財(cái)富。然而，大多數(shù)有價(jià)值的數(shù)據(jù)都是私有的，人們?cè)谙硎苄畔淼谋憷耐瑫r(shí)也承受著數(shù)字信息帶給個(gè)體的相當(dāng)大的風(fēng)險(xiǎn)——隱私泄露。各種數(shù)據(jù)使用的渴望和保護(hù)數(shù)據(jù)的安全和隱私之間存在著一個(gè)長(zhǎng)期的緊張關(guān)系，這就引發(fā)了數(shù)據(jù)共享過程中的隱私保護(hù)研究。其主要目標(biāo)是

2、設(shè)計(jì)相關(guān)的應(yīng)用模型或者工具，使共享數(shù)據(jù)在敵對(duì)環(huán)境下仍然能夠有效保護(hù)個(gè)體的隱私信息，并且數(shù)據(jù)的效用沒有太大損失，從而達(dá)到隱私保護(hù)與數(shù)據(jù)可用性之間的平衡。最大化數(shù)據(jù)的收集與使用，同時(shí)阻止敏感和機(jī)密信息的泄露是統(tǒng)計(jì)科學(xué)和計(jì)算機(jī)科學(xué)長(zhǎng)期以來的研究主題。
　　本文圍繞數(shù)據(jù)共享中的隱私保護(hù)問題進(jìn)行研究，開發(fā)解決該問題的算法，主要在以下幾個(gè)方面開展研究工作：
　　首先，針對(duì)k-匿名模型在一定程度上有效地阻止了鏈接攻擊，但是不能阻止同質(zhì)攻擊

3、和背景知識(shí)攻擊的缺陷。另外，由于大多數(shù)隱私保護(hù)數(shù)據(jù)發(fā)布模型采用概化和抑制技術(shù)，導(dǎo)致過多的信息損失。因此，本文提出一種增強(qiáng)型p-敏感k-匿名的算法。具體過程為：首先，用近鄰法對(duì)數(shù)據(jù)進(jìn)行劃分，生成簇。其次，發(fā)布滿足p-敏感k-匿名要求的每個(gè)簇。文中對(duì)算法的正確性和復(fù)雜性進(jìn)行了詳細(xì)分析，用信息損失和執(zhí)行時(shí)間來檢驗(yàn)算法的效果，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析。初步的仿真實(shí)驗(yàn)結(jié)果表明：基于最近鄰搜索的p-敏感k-匿名的增強(qiáng)型隱私保護(hù)算法不僅能產(chǎn)生更小的信息

4、損失和合理的時(shí)間代價(jià)，同時(shí)匿名化數(shù)據(jù)也具有良好的實(shí)用性。
　　其次，傳統(tǒng)l-多樣性匿名實(shí)現(xiàn)方法或者效率較低，或者信息損失較大，針對(duì)這種不足，提出一種改進(jìn)的基于聚類的l-多樣性算法。該算法首先計(jì)算準(zhǔn)標(biāo)識(shí)符集合中各屬性的方差，其次根據(jù)方差確定不同屬性在數(shù)據(jù)相似性計(jì)算中的權(quán)重，再次根據(jù)數(shù)據(jù)之間的相似性進(jìn)行約束聚類，最后對(duì)同一簇?cái)?shù)據(jù)進(jìn)行數(shù)據(jù)概化，滿足l-多樣性要求，并從理論上對(duì)算法的正確性和復(fù)雜性進(jìn)行了分析。仿真實(shí)驗(yàn)結(jié)果表明：改進(jìn)的基于聚

5、類的l-多樣性算法可以在實(shí)現(xiàn)隱私保護(hù)的同時(shí)具有更小的數(shù)據(jù)信息損失和較快的運(yùn)行效率。
　　再次，針對(duì)大規(guī)模數(shù)據(jù)集上的模式分類任務(wù)，提出一種基于核密度估計(jì)的模式分類隱私保護(hù)算法（CPPPW）。該算法首先利用Parzen窗算法對(duì)原始大規(guī)模訓(xùn)練集服從的概率密度進(jìn)行估計(jì)，然后根據(jù)估計(jì)的概率密度函數(shù)構(gòu)造la個(gè)替換訓(xùn)練樣本，其中l(wèi)為原始樣本的數(shù)目，a通過10折交叉驗(yàn)證方式確定。充足的訓(xùn)練樣本使得核密度估計(jì)算法可以較準(zhǔn)確的估計(jì)密度函數(shù)，保障了替換

6、數(shù)據(jù)集的質(zhì)量。對(duì)CPPPW算法與ASN算法隱私保護(hù)性能進(jìn)行理論分析，分析表明CPPPW算法具有更強(qiáng)的隱私保護(hù)力度。最后通過兩組不同的仿真實(shí)驗(yàn)表明：三種經(jīng)典的分類算法在替換數(shù)據(jù)集上取得了相當(dāng)?shù)姆诸惥?；同時(shí)在替換數(shù)據(jù)集上進(jìn)行分類學(xué)習(xí)，有效的避免了原始數(shù)據(jù)上的隱私泄露；與ASN算法相比，CPPPW算法不僅具有隱私保護(hù)性能，而且分類準(zhǔn)確率和召回率均較高，具有更好的模式分類精度。
　　最后，模式分類過程涉及到對(duì)原始訓(xùn)練樣本的學(xué)習(xí)，容易導(dǎo)致

7、用戶隱私的泄露。為了避免模式分類過程中的隱私泄露，同時(shí)又不影響模式分類算法的性能，提出一種基于主成分分析（PCA）的稀疏數(shù)據(jù)模式分類隱私保護(hù)算法（CPPPCA）。該算法利用 PCA提取原始訓(xùn)練數(shù)據(jù)的主成分，并將原始訓(xùn)練樣本集合轉(zhuǎn)化為主成分的新樣本集合，然后利用新樣本集合進(jìn)行分類學(xué)習(xí)。對(duì)CPPPCA算法與ASN算法隱私保護(hù)性能進(jìn)行理論分析，分析表明CPPPCA算法具有更強(qiáng)的隱私保護(hù)力度。最后通過兩組不同的仿真實(shí)驗(yàn)表明：由于PCA在一定程度