符精晶 许晓东

（江苏大学计算机科学与通信工程学院 镇江 212013）

1 引言

互联网的发展势如破竹，带来了数据的海量增长，大数据时代已经到来。政府、企业等机构在信息化过程中累积了大量的个人数据，这些数据为大数据分析、价值挖掘及信息共享提供了十分有利的资源条件，成为了一种高价值的资产。但是这些数据资源往往涉及个人敏感信息，在对外进行数据发布时，若不经处理直接发布原始数据，极易造成隐私泄露。因此，信息安全领域当前的一个研究热门即是隐私数据脱敏技术，其关键问题在于如何均衡隐私数据安全性及数据可用性。

经过国内外学者的大量研究，目前大致形成了三类隐私保护技术［1］：数据加密，数据失真以及数据匿名化。其中，数据匿名化的通用性强，且能同时兼顾数据的可用性和隐私性，因此其在数据发布的隐私保护中应用最为广泛。

Sweeney［2］等在2002年就已经提出了经典的k-匿名模型，该模型将原始数据表进行分类匿名化处理，使数据表中的每一条记录至少有k-1条与其在准标识符上完全相同的记录，有效地抵制了攻击者的链接攻击（linking attack）［2］。然而，k-匿名没有考虑敏感属性取值的多样性，无法抵御同质攻击等。2006年，Machanavajjhal［3］等针对k-匿名的缺陷，提出了l-diversity模型，该模型保证数据表中每一个等价类的敏感属性至少有l个不同的取值，从而使得被发布的数据表具备抵御同质攻击的能力。同年，Traian TM，Bindu V［4］提出p-sensitive k-匿名模型，在k匿名的基础上，要求每个等价类中不同的敏感属性取值至少为p个，以此确保各等价类中敏感属性的多样化。……