张可铧，成卫青

1.南京邮电大学 计算机学院，南京210023

2.东南大学 计算机网络和信息集成教育部重点实验室，南京211189

随着计算机信息技术的不断发展，数据库系统性能日趋强大、数据存储成本日趋降低，人们能从越来越多的途径获取各种信息。数据挖掘[1]是从大量信息中获取有用知识的关键途径，然而在挖掘有价值资料的过程中，个人隐私资料可能受到损害。数据发布是数据挖掘的重要应用方向，在现实生活中，有许多场所需要定期对外发布数据。比如，一些公司定期公布季度财务报表，医院对外发布医疗统计数据等。随着发布的数据量的增多，攻击者可以通过多个数据表锁定某个个体的隐私信息，导致隐私的泄漏，因此隐私保护已经成为一个重要的问题。

目前，传统匿名隐私保护模型已经被广泛研究。Sweeney[2]提出的k-匿名模型可以使数据表中的每一条记录不能与其他k-1 条记录区分开，从而使得攻击者无法辨别隐私信息的所属个体，保护了个人的隐私。l-多样性（l-diversity）模型可以保证攻击者识别出某一条隐私记录的概率低于1/l。然而，这类隐私保护的模型并没有一个衡量隐私水平的方法，需要不停地改进来防御新的攻击，例如背景知识攻击[3]和合成攻击[4]。为了解决上述问题，2006年Dwork等人[5]提出了差分隐私模型，引起了研究热潮。差分隐私保护技术通过添加拉普拉斯噪声的方式保护数据，使受差分隐私保护的数据集的隐私泄漏风险控制在一个可接受的范围内。……