胡翔天，宫秀军，陈海亮(天津大学 计算机科学与技术学院，天津300072)

随着网络信息技术的发展，信息资源的共享大大提高了信息资源的利用价值。大量信息的共享在给统计研究带来方便的同时也对个人隐私带来了威胁。因此，在发布数据时要尽量保护数据中的隐私。

数据匿名化是发布数据时保护个人隐私的一种有效手段。数据匿名化常用的处理手段源于统计数据库中的数据处理方法，主要是通过以发布数据中的属性值的信息损失为代价，换取通过这些属性值再标识某些个体的准确性，同时尽可能保证发布数据的可用性，在发布数据的准确性和隐私保护之间达到一种平衡，与传统的保证发布数据整体趋势而牺牲单个数据记录准确性的隐私保护方法相比，为发布数据提供了更好的可用性。通常做法是数据收集者通过隐藏或改变数据中的部分信息，使得攻击者无法通过发布出去的数据唯一地推导出敏感信息所属的个体，从而实现对个体隐私的保护。K-匿名算法是一种重要的数据匿名化方法。K-匿名算法中的一种比较高效的算法叫做最优格匿名算法OLA（Optimal Lattice Anomy-zation)，此算法使用一种叫做格（Lattice)的结构，通过遍历该结构中的节点从而最后得到最优的节点。然而OLA遍历节点的顺序并不能够最大程度上减少需要计算的Lattice的个数。本文在OLA算法的基础上提出了一种度优先的节点遍历方式，即通过节点的度积大小来遍历节点，从而显著减少最优结果的计算时间。……