论文部分内容阅读
数据匿名是发布数据时对隐私信息进行保护的重要手段之一．对数据匿名的基本概念和应用模型进行了介绍，探讨了数据匿名结果应该满足的要求．为了抵制背景知识攻击，提出了一种基于杂度增益与层次聚类的数据匿名方法，该方法以杂度来度量敏感属性随机性，并以概化过程中信息损失最小、杂度增益最大的条件约束来控制聚类的合并过程，可以使数据匿名处理后的数据集在满足k-匿名模型和l-多样模型的同时，使数据概化的信息损失最小且敏感属性的取值均匀化．在实验部分，提出了一种对数据匿名结果进行评估的方法，该方法将匿名结果和原始数据进行对比，