苏林萍，董子娴，李 为，吴克河，崔文超

(华北电力大学 控制与计算机工程学院，北京 102200)

0 引 言

在信息高度共享的今天，每天都有大量的数据被收录和发布。对信息的挖掘和分析，可以有效促进科学事业的发展，从而为人们营造更加便捷畅通的生活环境。但与此同时，不得不面临隐私数据的泄露问题。因此需要重点保护个体的隐私数据。

在数据匿名化的思想下，隐私数据保护模型的基本做法是：在满足信息安全发布的要求下，隐匿特定个体和敏感信息之间的联系，并提高数据的可用性[1]。但是传统的匿名方式并未考虑不同个体对敏感数据的个性化隐匿需求[2]。不同的隐私信息其敏感等级必然不同，同一敏感信息对不同个体的敏感程度也会不同[3]。

Xiao等在文献[4]中第一次提出了个性化匿名的思想，之后出现了很多增强型的改进算法。其中，文献[5-6]为数据集中的每一个元组都设置了不同的隐匿需求，尽管极大程度地满足了不同个体的个性化需求， 但是工作量巨大， 也造成了不必要的数据冗余。 文献[7]提出个性化(α,l)-多样化k-匿名模型，归纳个性化隐匿方式包括两种机制，一种是面向个人的，一种是面向敏感值的。因为一般来说，仅仅面向个人的隐私保护模型容易由于个体的喜好造成信息的不必要损失和隐私泄露，而单纯面向敏感值的方式往往会欠缺特定个体的特定需求[8]。但是这种方法因为层层的限制条件而造成了属性值的过度泛化。……