隱私保護數據發(fā)布的模型與方法研究.pdf

1、大數據時代帶來了數據的爆炸式增長，數據安全特別是數據的隱私問題變得尤為重要。隱私保護的數據發(fā)布是隱私保護領域的一個研究熱點。在數據發(fā)布過程中，如果發(fā)布原始數據，會導致嚴重的隱私信息泄露問題。發(fā)布的數據需要既保護數據的隱私，又保持數據的可用性，這也正是隱私保護數據發(fā)布的目標?，F有的研究仍然不能避免針對敏感信息的鏈接攻擊。
　　本文在總結現有研究成果的基礎上，在發(fā)布的數據中，從保護記錄的所有者與敏感屬性的鏈接關系出發(fā)，建立了三個隱私保

2、護模型，提供了更好的隱私保護和數據發(fā)布服務。主要的研究內容如下:
　　(1)系統介紹了隱私保護數據發(fā)布研究領域的研究現狀。首先，總結了現有的隱私保護數據發(fā)布模型，分析了每個隱私保護模型的提出背景、突出優(yōu)點以及不足之處。其次，介紹了一系列實現匿名化的操作，其中重點介紹了泛化操作，它分為全局重編碼和局部重編碼兩個類型，它們各自有優(yōu)點和缺點。第三，總結了隱私保護模型的信息度量方法，它既用于度量隱私保護模型的性能，又用于匿名化算法中搜索優(yōu)

3、化的泛化或者細化節(jié)點。第四，介紹了動態(tài)的數據發(fā)布，它可以分為多次查詢的發(fā)布、相繼查詢的發(fā)布、連續(xù)數據發(fā)布、聯合數據發(fā)布四種模式。此外，還介紹了多敏感屬性的數據發(fā)布中的一系列隱私保護模型。
　　(2)提出敏感值和敏感級雙重保護的隱私保護模型以應對發(fā)布的匿名數據中出現針對敏感程度的相似性攻擊。敏感程度是敏感屬性的一種有序分類，敏感程度泄露是指攻擊者僅以有限的知識便得出攻擊對象的敏感屬性值的敏感程度。本文擴展了通用的隱私模型，它既擁有現

4、有隱私模型的保護能力，又解決了敏感程度泄露問題。模型考慮了敏感值的差異并對敏感值進行分級，稱為敏感級。該模型不僅適用于單個敏感屬性，而且適用于多敏感屬性的情形。通過多樣性模型的實例來實施，并用實驗驗證了這一模型在隱私保護能力和執(zhí)行效率方面的改進。此外，還提出了一種敏感值級別測量方法以計算敏感級。
　　(3)建立了(w，γ，k)-匿名模型，以應對發(fā)布的匿名數據中出現的基于敏感屬性有序分類和無序分類的攻擊。本文從屬性的分類方法著手，將

5、敏感屬性的分類方法歸為有序和無序兩種類型，從這個角度考慮基于分類方法的攻擊。本文建立的模型在保護敏感值與個體的鏈接的基礎上，從不同敏感級別隱私保護差異性的角度出發(fā)，避免了等價類中記錄的敏感值在有序類別或者無序類別上的聚集，從而能夠抵御兩類相似性攻擊。本文證明了模型的優(yōu)化問題是NP難問題，提出了一個啟發(fā)式的自頂向下局部重編碼算法，實驗部分驗證了提出的模型的隱私保護能力。
　　(4)在流數據環(huán)境中，建立了能夠抵御基于敏感屬性有序分類和

6、無序分類攻擊的隱私保護模型。該模型根據流數據的動態(tài)性特點，將流數據緩存到一個有限的窗口，根據不同時刻的數據動態(tài)調整敏感屬性的分級。模型既能夠防止流數據遭受基于敏感屬性的有序分類即敏感程度的攻擊，又能夠防止遭受基于敏感屬性的無序分類的相似性攻擊。最后，采用自頂向下的局部重編碼窗口算法實施了模型，改善了算法的執(zhí)行效率。
　　綜上所述，本文對隱私保護數據發(fā)布進行了研究，提出了適用于不同隱私需求和應用環(huán)境的幾個隱私保護模型，實現了隱私保護