基于敏感元组的聚类匿名数据发布.pdfVIP

第25卷第4期 湖南文理学院学报 (自然科学版) V0．1．25NO．4 2013年 l2月 JournalofHunanUniversityofArtsandScience(NaturalScienceEdition) Dec．2013 doi：10．3969~．issn．1672—6146．2013．04．015 基于敏感元组的聚类匿名数据发布 刘 海 (浙江金融职业学院 经营管理系，浙江 杭州，310018) 摘 要：在数据发布的过程中，为了保护个人隐私常需对所有准标识符进行泛化操作，而实际涉及到个人隐 私相关敏感属性元组是非常少的．据此，从这些涉及个人隐私的敏感属性的元组出发，将剩余大量仅涉及非 敏感属性元组依据敏感属性值不同进行分组，最后对分组中元组以计算与个人隐私属性相关敏感属性距离的 方式，选取距离最短的元组进行泛化，其余元组并不进行泛化，通过这种方式，提高了数据的利用率，并有效 减少信息的损失． 关键词：隐私保护；数据发布；K匿名；泛化；聚类 中图分类号：TP309．2 文章编号：1672．6146(2013)04．0060．04 Onanonymousdatapublishingbasedonsensitivetuplecluster LIUHaj (ManagementDepartment，ZhejiangFinancialCollege，Hangzhou310018，China) Abstract：Duringtheprocessofdatapublishing，in ordertoprotectpersonalprivac~ dataowneroften hasto generalizeallthequasi—identifier,butinfacthtetupleinvolvingpersonalprivacyisveryfew．Soourmehtodstarts from htetuples，thendivideshteremainderintogroupsaccordingot differentsensitiveattributevalue．Finally,our mehtodselectsonetuplepergroupwhichisshortesttohtetupleinvolvingpersonalprivacyforgeneralization．The resttuplesneednottobegeneralized．Inthisway,Our methodhasimprovedhteutilizationrateofhtedatana d reducedhtelossofinformationeffectively． Keywords：privacypreservation；datapublishing；K-anonymous；generalization；cluster 近年来，许多与个体相关的数据包括人 口统计数据、患者医疗数据等需要进行公开发布，有的是供 各类科研机构进行数据分析和预测使用，还有就是由于政策导向的要求．这些发布的数据可能被存储 或者处理，为了保护某些个体的隐私，传统的方法仅仅进行个体身份识别属性的隐匿或者加密，单纯采 用这种方法隐私保护效果很差，窥探者可以通过发布数据集中的准标识符与外部表进行连接等操作， 从而推断出个体希望保护的敏感属性．据美国统计局的一份统计资料显示，只要获得 1位美国公民的性 别、年龄和邮政编码，则87％美国公民的身份就能够被确认．针对发布数据产生信息效益的同时如何对 个体隐私信息有效保护这一 问题，许多学者提出了隐私保护的模型及匿名化的方法．ESamarati和 L． Sweeney[1]在2002年率先提出了 匿名模型