面向信息共享的數(shù)據(jù)流隱私保護(hù)方法研究.pdf

1、近年來(lái)，數(shù)據(jù)流作為一種普遍存在的數(shù)據(jù)形式，吸引了越來(lái)越多數(shù)據(jù)挖掘研究者的關(guān)注，快速有效地針對(duì)數(shù)據(jù)流的一遍掃描式數(shù)據(jù)挖掘算法給人們提供日漸豐富的有價(jià)值信息，幫助提供決策支持，然而，數(shù)據(jù)流挖掘技術(shù)的飛速發(fā)展，也不可避免的給數(shù)據(jù)隱私和信息安全帶來(lái)了威脅。敏感信息有時(shí)可能就是原始數(shù)據(jù)或數(shù)據(jù)挖掘所發(fā)現(xiàn)的知識(shí)本身，或者可能通過(guò)數(shù)據(jù)挖掘知識(shí)中的非敏感信息被推理得到。面向信息共享的數(shù)據(jù)流隱私保護(hù)方法研究，不僅可以在數(shù)據(jù)流環(huán)境下，實(shí)現(xiàn)對(duì)敏感信息的保護(hù)，消

2、除信息擁有者共享信息時(shí)的擔(dān)憂(yōu)，從而營(yíng)造更加安全、開(kāi)放的信息共享環(huán)境；而且在保護(hù)敏感信息的同時(shí)，充分考慮對(duì)非敏感信息完整性的影響，最大程度的降低隱私保護(hù)方法給非敏感信息所帶來(lái)的信息損失，從而使得被共享的信息保持較高的價(jià)值及有用性。
　　本文立足于實(shí)現(xiàn)數(shù)據(jù)流環(huán)境下安全的信息共享，在保證共享信息高可用性的前提下，對(duì)原始數(shù)據(jù)流以及關(guān)聯(lián)規(guī)則挖掘知識(shí)的隱私保護(hù)技術(shù)進(jìn)行更加細(xì)致有效的研究：
　　首先，針對(duì)傳統(tǒng)的k-匿名方法無(wú)法表現(xiàn)數(shù)據(jù)流的

3、特征以及無(wú)法動(dòng)態(tài)解決數(shù)據(jù)流共享時(shí)所存在的鏈接攻擊問(wèn)題，提出自上而下具體化樹(shù)結(jié)構(gòu)來(lái)完成多數(shù)據(jù)類(lèi)型的準(zhǔn)標(biāo)識(shí)符屬性的泛化，通過(guò)樹(shù)的分支及剪枝動(dòng)態(tài)實(shí)現(xiàn)數(shù)據(jù)流的k-匿名保護(hù)；同時(shí)，針對(duì)數(shù)據(jù)流匿名保護(hù)往往伴隨較高信息損失的問(wèn)題，引入數(shù)據(jù)的分布密度以及延遲共享兩個(gè)限制參數(shù)，并以此來(lái)選擇滿(mǎn)足k-匿名且產(chǎn)生信息損失最小的樹(shù)節(jié)點(diǎn)進(jìn)行共享；在此基礎(chǔ)上，結(jié)合滑動(dòng)窗口技術(shù)，提出數(shù)據(jù)流k-匿名保護(hù)算法(KIDS)；最后，通過(guò)實(shí)驗(yàn)表明：與傳統(tǒng)的k-匿名方法相比，KI

4、DS算法在匿名數(shù)據(jù)流時(shí)不僅所產(chǎn)生的時(shí)間代價(jià)更小，而且KIDS在不同的k參數(shù)和不同的數(shù)據(jù)量下所產(chǎn)生的信息損失也更小，能夠很好的保持共享原始數(shù)據(jù)流的高可用性。
　　其次，針對(duì)靜態(tài)數(shù)據(jù)的敏感規(guī)則隱藏方法應(yīng)用于數(shù)據(jù)流時(shí)無(wú)法保持敏感規(guī)則安全性的問(wèn)題，提出一種基于改進(jìn)項(xiàng)頭表的頻繁模式樹(shù)(IMFP-Tree)，并以此為基礎(chǔ)，提出面向數(shù)據(jù)流的敏感關(guān)聯(lián)規(guī)則隱藏算法(HSRDS)?；诟倪M(jìn)的頻繁項(xiàng)頭表來(lái)解決傳統(tǒng)頻繁模式樹(shù)(FP-Tree)需要不斷統(tǒng)計(jì)

5、項(xiàng)的支持度計(jì)數(shù)而不適用于數(shù)據(jù)流的問(wèn)題，并增加節(jié)點(diǎn)域ListTi來(lái)解決傳統(tǒng)頻繁模式樹(shù)因無(wú)法表示交易數(shù)據(jù)與項(xiàng)的包含關(guān)系，而很難快速確定敏感交易的問(wèn)題；另外，定義了兩個(gè)信息損失度量閾值來(lái)選擇被清洗的數(shù)據(jù)項(xiàng)，解決數(shù)據(jù)清洗技術(shù)帶來(lái)的高信息損失問(wèn)題；最后，通過(guò)實(shí)驗(yàn)表明：IMFP-Tree相較于傳統(tǒng)的頻繁模式樹(shù)FP-Tree可以更快的完成數(shù)據(jù)流清洗，并且，與算法Algo2a和SWA相比，算法HSRDS會(huì)產(chǎn)生更小的負(fù)面效應(yīng)，能夠有效的保持敏感規(guī)則隱藏與

6、數(shù)據(jù)有用性之間的平衡。
　　再次，針對(duì)數(shù)據(jù)流共享時(shí)，數(shù)據(jù)清洗方法實(shí)現(xiàn)敏感規(guī)則隱藏后，被隱藏的敏感規(guī)則仍然面臨隔離攻擊問(wèn)題，提出了一種被隱藏敏感規(guī)則的k-匿名保護(hù)方法(SRA)，完成對(duì)敏感規(guī)則的雙重保護(hù)；同時(shí)，針對(duì)現(xiàn)有的規(guī)則匿名方法需要二次清洗數(shù)據(jù)不適用數(shù)據(jù)流的問(wèn)題，結(jié)合了時(shí)間滑動(dòng)窗口技術(shù)，采用追加交易的流數(shù)據(jù)處理方式；并且，提出對(duì)數(shù)據(jù)項(xiàng)采用素?cái)?shù)編碼的方法，進(jìn)一步提高算法效率、降低空間復(fù)雜度；針對(duì)SRA算法在k值偏高時(shí)產(chǎn)生過(guò)高信息損

7、失的問(wèn)題，提出改進(jìn)的敏感規(guī)則k-匿名算法(ASRA)；最后，通過(guò)實(shí)驗(yàn)表明：與算法ARH相比，算法SRA和ASRA產(chǎn)生更小的時(shí)間代價(jià)以及更低的信息損失，當(dāng)數(shù)據(jù)量增大時(shí)尤其如此。同時(shí)，算法ASRA相比于SRA產(chǎn)生的信息損失更低，能夠更好地保證挖掘結(jié)果的高有用性。
　　最后，針對(duì)數(shù)據(jù)流環(huán)境下被共享的關(guān)聯(lián)規(guī)則間所存在的相關(guān)性易對(duì)敏感規(guī)則造成推理攻擊威脅，基于規(guī)則凈化的思路，提出一種快速有效的、最小化信息損失的敏感規(guī)則推理攻擊阻塞算法(BI

8、A)。由于現(xiàn)有的頻繁模式推理通道不足以定義關(guān)聯(lián)規(guī)則的所有推理攻擊，通過(guò)分析關(guān)聯(lián)規(guī)則的推理特征，定義了四種可能存在的敏感規(guī)則的推理攻擊渠道：分解式推理攻擊、聚合式推理攻擊、傳遞式推理攻擊、鏈?zhǔn)酵评砉?；并且，針?duì)基于頻繁模式的推理攻擊阻塞方法會(huì)對(duì)非敏感規(guī)則產(chǎn)生較高的信息損失問(wèn)題，提出基于關(guān)聯(lián)規(guī)則的推理攻擊渠道的阻塞方法；最后，通過(guò)實(shí)驗(yàn)表明：算法BIA不僅能更加全面的阻塞敏感規(guī)則的推理攻擊渠道，比算法DSA和BINFCH更適合數(shù)據(jù)流環(huán)境，并