论文部分内容阅读
云计算的出现也就意味着大数据时代已经到来,未来的时代不仅仅是信息化的时代,更是大数据的时代。正是因为海量数据的存在,大量的潜在信息可以被挖掘,数据成为了信息时代中巨大的财富,可以为企业、国家带来更多的利益。与此同时伴随的是大量的个人隐私数据被发现,使得敏感数据泄露。大数据时代的隐私保护问题是不容忽视的,保护敏感数据不被泄露已经成为当前一个亟待解决的问题。当数据表发布或共享时,对发布的数据实施隐私保护技术需要考虑以下两个方面:(1)首先要确保发布的数据隐私不会泄露;(2)发布后的匿名数据在进行数据挖掘操作时具有高效的实用价值。因此,在避免隐私泄露的同时保证数据的真实性、高效性,是隐私保护匿名技术亟待解决的一个问题。K-匿名隐私保护技术的基本思想就是通过一系列的匿名化操作,将原始数据集泛化为匿名化的数据集,满足敏感数据不被发现的同时可以用于发布。由于K-匿名模型容易受到背景知识攻击、链接攻击、同质性攻击和相似性攻击等,本文在此基础上提出一种基于敏感隐私保护度的K-匿名模型。为了尽量减少信息的损失,本算法首先以最小的信息损失为原则进行聚类。由于准标识符对敏感属性的影响,使得聚类结果等价类中敏感属性具有单一性,攻击者有很高的置信度去推断用户的敏感数据,造成隐私数据泄露。因此,在此基础上提出了再一次聚类的思想,即基于敏感隐私保护度的聚类算法。首先,定义了敏感属性隐私保护度,并计算等价类中敏感属性隐私保护度的标准差和距离。等价类中敏感属性隐私保护度的标准差越小,说明敏感属性隐私保护度越接近。在尽量减少信息损失的基础上,将等价类中敏感属性隐私保护度距离最小的等价类进行泛化为同一等价类,保证了等价类中敏感属性的多样性,抵制了同质性攻击、相似性攻击,更好的确保了隐私数据不被泄露。本算法和基本K-匿名算法通过实验在运行时间和信息损失两方面进行了对比分析研究,得出本算法有更少的运行时间。虽存在略高的信息损失,但是使得数据得到了更好的保护,因此是可以接受的。