孙连山，马胜天，王 荔，陈秀婷

（陕西科技大学电子信息与人工智能学院，陕西西安 710021）

信息时代蓬勃发展，数据在互联网上传播和共享的过程中，携带了各种各样的信息，其中不乏用户的个人敏感信息。数据在公开共享之前，敏感信息的隐私保护成为多行业的重点关注问题［1］。数据起源（Data Provenance）领域的隐私保护问题也是学者们一直以来的研究重点和难点［2］。

数据起源描述了参与生产、影响或交付一条数据或一件事物的实体、活动、人或机构。通常呈现为有向无环图，简称起源图［3－4］。 特别来说，数据的来源对于决定信息是否可信，如何与其他的信息源集成以及在重用信息时是否能信任信息至关重要。

起源图中通常包含很多隐私数据，如职业、收入、银行卡号等，所以在公开发布数据起源之前需要对数据信息中的敏感数据进行遮蔽或改造。起源过滤是通过改造起源图，达到隐藏敏感信息的一种新型技术。Dey等［5］提出一种可以定制发布的PROPUB起源过滤框架，允许用户分别指定起源图中需要保留、隐藏、匿名或抽象的部分。王艺星等［6］提出“删除＋过滤”的高效用的过滤机制，删除敏感节点或边，在保证溯源结果不增加的情况下，引入不确定依赖关系。Missier等［7］提出一种基于抽象的起源图过滤方法，将起源图中的敏感节点与其周围的一些节点组合在一起，用一个抽象的节点代替。

总的来说，现有针对敏感信息的过滤方法都会改变起源图的结构，但起源图的结构蕴含着数据之间的依赖关系，破坏起源图的结构会对起源图的溯源效用产生影响；……