基于信息增益比例约束的数据匿名方法及其评估机制.pdfVIP

第３１卷第３期 计 算 机 应 用 研 究 Ｖｏｌ．３１Ｎｏ．３ ２０１４年３月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｒ．２０１４ 基于信息增益比例约束的数据匿名 方法及其评估机制 １ ２ １ 熊　平 ，朱天清 ，顾　霄 （１．中南财经政法大学信息与安全工程学院，武汉４３００７３；２．武汉轻工大学数学与计算机学院，武汉４３００２３） 摘　要：针对数据发布中的隐私泄露问题，分析了对数据集进行匿名保护需要满足的条件，提出了一种基于信 息增益比例约束的数据匿名方法。该方法以凝聚层次聚类为基本原理，将数据集中的元组划分到若干个等价群 中，然后概化每个等价群中的元组使其具有相同的准标志符值。在聚类过程中，以信息损失最小、信息增益比例 最大的约束条件来控制聚类的合并，可以使数据匿名结果保持良好的可用性和安全性。对匿名结果的质量评估 问题进行了深入的探讨，提出了匿名结果可用性和安全性的量化计算方法。在 ＵＣＩ知识库提供的Ａｄｕｌｔ数据集 上的一系列实验结果表明，该方法是有效可行的。 关键词：数据匿名；凝聚层次聚类；信息增益；准标志符；数据发布 中图分类号：ＴＰ３９３　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１４）０３０８１９０６ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１４．０３．０４４ Ｄａｔａａｎｏｎｙｍｉｚａｔｉｏｎｂａｓｅｄｏｎｒｅｓｔｒｉｃｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎ ｇａｉｎｒａｔｉｏ：ｍｅｔｈｏｄａｎｄｅｖａｌｕａｔｉｏｎ １ ２ １ ＸＩＯＮＧＰｉｎｇ，ＺＨＵＴｉａｎｑｉｎｇ，ＧＵＸｉａｏ （１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＳｅｃｕｒｉｔｙＥｎｇｉｎｅｅｒｉｎｇ，ＺｈｏｎｇｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＥｃｏｎｏｍｉｃｓ＆Ｌａｗ，Ｗｕｈａｎ４３００７３，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓ ＆ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＷｕｈａｎＰｏｌｙｔｅｃｈｎｉｃＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００２３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｐｕｂｌｉｓｈｉｎｇｄａｔａｗｉｔｈｏｕｔｒｅｖｅａｌｉｎｇｐｒｉｖａｃｙｏｆｉｎｄｉｖｉｄｕａｌｓｉｓａｎｉｍｐｏｒｔａｎｔｐｒｏｂｌｅｍ．Ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｄｔｈｅｒｅｑｕｉｒｅ ｍｅｎｔｓｔｈａｔａｎａｎｏｎｙｍｉｚｅｄｄａｔａｓｅｔｓｈｏｕｌｄｍｅｅｔａｎｄｐｒｅｓｅｎｔｅｄａｄａｔａａｎｏｎｙｍｉｚａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｒｅｓｔｒｉｃｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎ ｇａｉｎｒａｔｉｏ．Ｂｙａｐｐｌｙｉｎｇｔｈｅｈｉｅｒａｒｃｈｉｃａｌａｇｇｌｏｍｅｒａｔｉｖｅｃｌｕｓｔｅｒｉｎｇ，ｔｈｅｍｅｔｈｏｄａｓｓｉｇｎｅｄａｌｌｔｈｅｔｕｐｌｅｓｉｎａｄａｔａｓｅｔｔｏｓｅｖｅｒａｌｅ ｑｕｉｖａｌｅｎｃｅｃｌａｓｓｅｓａｎｄｇｅｎｅｒａｌｉｚｅｄｔｈｅｑｕａｓｉｉｄｅｎｔｉｆｉｅｒｏｆａｌｌｔｈｅｔｕｐｌｅｓｉｎｅａｃｈｅｑｕｉｖａｌｅｎｃｅｃｌａｓｓｗｉｔｈｔｈｅｓａｍｅｖａｌｕｅ．Ｔｏｇｅｔ ａｎａｎｏｎｙｍｉｚａｔｉｏｎｒｅｓｕｌｔｗｉｔｈａｄｅｑｕａｔｅｕｔｉｌｉｔｙａｎｄｓｅｃｕｒｉｔｙ，ｃｏｎｔｒｏｌｌｅｄｔｈｅｃｌｕｓｔｅｒｓｃｏｍｂｉｎａｔｉｏｎｐｒｏｃｅｓｓｉｎｃｌｕｓｔｅｒｉｎｇｐｒｏｃｅｄｕｒｅ ｂｙｔｈｅｒｅｓｔｒｉｃｔｉｏｎｓｔｈａｔｔｈｅｉｎｆｏｒｍａｔｉｏｎｌｏｓｓｓｈｏｕｌｄｂｅｍｉｎｉｍｉｚｅｄｗｈｉｌｅｔｈｅｉｎｆｏｒｍａｔｉｏｎｇａｉｎ