APP下载

一种泛化约束的 (K, L)-匿名算法

2016-06-17朱卫红潘巨龙

中国计量大学学报 2016年1期

朱卫红,潘巨龙,时 磊

(中国计量学院 信息工程学院,浙江 杭州 310018)



一种泛化约束的 (K, L)-匿名算法

朱卫红,潘巨龙,时磊

(中国计量学院 信息工程学院,浙江 杭州 310018)

【摘要】针对匿名算法在泛化过程中存在过度泛化从而导致数据可用性降低的问题,提出了一种基于泛化约束的(K,L)匿名算法.为了保证数据的可用性,该算法首先通过MAGVal(maximum alowed generalization value)形成MAM(maximum allowed microdata)来控制准标识属性值的边界范围,然后再进行(K,L)匿名的筛选,从而达到最终匿名保护的目的.实验表明,该算法在保证信息可用性的同时,减小了泛化的时间开销.

【关键词】隐私信息;泛化约束;(K,L)匿名算法

随着互联网时代和信息化时代的来临,我们感知信息和获取信息的能力随之提升,当我们尽情地享受新技术给我们带来的诸多便利的时候,个人隐私信息泄露的风险也在不断增高.大量的个人资料不断地在不同的应用领域被收集:税收、医疗保健、信用卡交易,社会网络等[1].除了它的主要目的是收集和存储以外,数据在没用前会被资源的所有者或第三方随后进行分析.但在各种现有法规规定国家和不同的应用领域,个人的隐私电子数据集必须在他们收集、存储、分配和使用中受到保护[2].因此,对个人隐私保护的研究有着非常重要的现实意义.

在发布数据集(一个数据集元组对应于一个个体)之前,为了执行一个匿名模型,一种常用的解决方案是修改初始数据,即通过对原始数据的准标识符属性中的值属性和分类属性进行泛化达到隐匿的目的,隐私保护算法最终的目的有两个:一是要保护敏感信息不被泄露;……

登录APP查看全文