邝青青，彭长根*，丁　洪

(1.贵州大学 理学院，贵州 贵阳 550025；2.贵州大学 密码学与数据安全研究所，贵州 贵阳 550025)



基于关联规则的隐私泄露风险评估模型

邝青青1，彭长根1*，丁洪2

(1.贵州大学 理学院，贵州 贵阳 550025；2.贵州大学 密码学与数据安全研究所，贵州 贵阳 550025)

传统的信息安全风险评估较少涉及对背景知识关联分析所导致的隐私泄露风险。针对基于关联分析的大数据隐私泄露风险问题，以隐私资产、隐私威胁因子和隐私存储有效时间为要素建立隐私泄露风险指标体系、定义风险计算函数；通过对隐私库的关联规则及频繁项的分析，得出满足最小支持度阈值的关联概率，实现风险函数计算；最后，针对搜索数据进行实例验证，验证表明该模型可以有效评估风险，真实刻画隐私泄露风险大小。

隐私数据；隐私泄露；FP-Growth；关联分析；风险评估；大数据

大数据给社会带来了便利，同时也造成了巨大的隐私泄露问题[1]，尤其是对背景知识的关联分析导致的个人隐私泄露问题。

目前，针对安全的评估风险评估主要集中在信息安全领域，早期方法多为定性的评估方法。对于量化风险评估，初期研究多集中在基于简单概率模型的风险分析方面[2-4]。后来，Bilge等[5]在2005年提出了一种新的量化方法，该方法考虑到当前需求对将来的影响；Kondakci等[6]于2010年引入Bayesian网络模型给出了一种量化风险分析方法。文献[7]中Liu等人采用模糊层次分析(AHP)理论，通过引进相关系数，针对云计算环境下的信息安全进行风险评估，综合系统面临的威胁因子得出结论。……