刘腾腾 倪巍伟 崇志宏 张 勇

(东南大学计算机科学与工程学院,南京 210096)

近年来,数值敏感属性的隐私保护数据发布得到了研究者的广泛关注.在现实应用中,发布的数据中往往涉及多个敏感属性,而现有的数值敏感数据发布方法[1-9]大多仅针对单一敏感属性的情况,直接将现有的方法应用于多敏感属性的数据可能导致隐私信息的大量泄漏.

本文在已有研究工作的基础上对数值敏感属性隐私数据发布问题进行研究.首先提出针对单维数值敏感属性的 l-SNSA算法,通过理论分析证明了其有效性和安全性.并对算法进一步研究,提出了较好地解决多维数值型敏感属性数据发布问题的 l-MNSA算法,有效避免多维数值敏感属性近似猜测攻击,保证数值敏感属性隐私数据发布的安全性.

1 相关工作

在数值敏感属性的隐私保护数据发布中,即使敏感属性不相同,当敏感属性相近时也会造成隐私信息的泄露：攻击者可以很容易获取敏感属性在某一较小范围内的信息,即为近似猜测攻击.

为避免近似猜测攻击,文献[7]提出(ε,m)-匿名模型,要求在某一准标识符元组 G中,对任一敏感属性 x,至多有 1/m的记录的敏感属性接近于 x,接近程度取决于 ε,这样解决了单维数值敏感属性的近似猜测问题.但(ε,m)-匿名算法要求用户输入 2个参数(ε和 m),且不同参数对结果影响较大,对先验知识的要求较高.并且,(ε,m)-匿名算法并不适用于多维数值敏感属性的情况.如表 1为原始数据……