基于數(shù)據(jù)隱私保護(hù)的匿名算法改進(jìn)研究.pdf

1、隨著信息技術(shù)的發(fā)展，信息越來越多的被存儲(chǔ)在計(jì)算機(jī)上，服務(wù)器中。這些信息中包含了很多企業(yè)的客戶信息,屬于企業(yè)的商業(yè)機(jī)密。一些基于互聯(lián)網(wǎng)的企業(yè)，存儲(chǔ)了大量普通消費(fèi)者的隱私信息，這些信息的泄露會(huì)給企業(yè)的發(fā)展產(chǎn)生致命的打擊。還有更多的企業(yè)包括各行各業(yè)的傳統(tǒng)企業(yè)，也都利用信息系統(tǒng)存儲(chǔ)大量企業(yè)客戶的信息，這些信息是企業(yè)不斷發(fā)展的核心資源，信息的泄露會(huì)直接影響到企業(yè)客戶的流失，使企業(yè)失去了發(fā)展的根基。此外包括醫(yī)院，政府等公共機(jī)構(gòu)，也存儲(chǔ)著大量的隱私數(shù)

2、據(jù)，信息的泄露會(huì)引起社會(huì)不滿，民眾擔(dān)憂。凡此種種，都說明了對(duì)于隱私信息的保護(hù)是一個(gè)非常嚴(yán)峻的問題。隨著企業(yè)對(duì)于隱私保護(hù)的重視，有關(guān)隱私保護(hù)技術(shù)的研究也越來越深入。
　　本文旨在研究基于隱私保護(hù)的數(shù)據(jù)匿名化方法，主要包括泛化/隱匿技術(shù)和微聚集技術(shù)。首先分析了泛化/隱匿技術(shù)的不足以及微聚集技術(shù)的特點(diǎn)，然后比較了基于微聚集技術(shù)的各類算法，選取性能較好的MDAV算法作為基算法。但是MDAV算法還有許多需要改進(jìn)的地方，尤其是針對(duì)分類型大數(shù)據(jù)

3、集的時(shí)候，算法效率較低、數(shù)據(jù)安全性和數(shù)據(jù)可用性不可兼得的矛盾等問題依然存在。本文基于這些問題提出了相應(yīng)的改進(jìn)方法。
　　針對(duì)MDAV算法應(yīng)用到大數(shù)據(jù)集時(shí)算法效率較低的問題，提出的改進(jìn)策略是添加預(yù)處理步驟的思想。在預(yù)處理環(huán)節(jié)引入高效快速的聚類模型，對(duì)大數(shù)據(jù)集進(jìn)行初始聚類，再對(duì)各個(gè)子類用MDAV算法形成最終的匿名等價(jià)類。通過對(duì)大數(shù)據(jù)集的分割從而大幅度降低算法的執(zhí)行時(shí)間，提升效率。
　　針對(duì)MDAV算法存在數(shù)據(jù)安全性和數(shù)據(jù)可用性不

4、可兼得的矛盾，提出了適當(dāng)?shù)母倪M(jìn)?？紤]到預(yù)處理環(huán)節(jié)添加的初始聚類步驟，使得算法的可用性得到了提升。本文試圖在基本不降低數(shù)據(jù)可用性的情況下，對(duì)特定敏感屬性值添加進(jìn)行頻率約束，從而增強(qiáng)敏感數(shù)據(jù)的安全性?；谏鲜龈倪M(jìn)，提出了(m,α,k)-MDAV算法。
　　算法驗(yàn)證采用了隱私保護(hù)領(lǐng)域通用的Adult標(biāo)準(zhǔn)數(shù)據(jù)集，將(m,α,k)-MDAV算法與MDAV算法、(α,k)-MDAV進(jìn)行比較。從算法效率，信息損失，泄密風(fēng)險(xiǎn)等多個(gè)維度對(duì)實(shí)驗(yàn)結(jié)果進(jìn)