数据表k-匿名化的微聚集算法研究.pdfVIP

第 10期 电 子 学 报 V01．36 No．10 2008年 1O月 A(AlEI (TIR0NICA SINICA Oct． 20o8 数据表 一匿名化的微聚集算法研究 韩建民 ，岑婷婷 ，虞慧群 (1．华东理工大学计算机科学与工程系，上海200237；2．浙江师范大学数理与信息工程学院，浙江金华321004) 摘 要 ：数据表的 一匿名化(k-anonymization)是数据发布时保护私有信息的一种重要方法．泛化／隐匿是实现 k一 匿名的传统技术，然而，该技术存在效率低、i|}一匿名化后数据的可用性差等问题 ．近年来，微聚集 (Microaggregation)算法 被应用到数据表的．i}．匿名化上，弥补了泛化／隐匿技术的不足，其基本思想是 ：将大量的数据按相似程度划分为若干 类，要求每个类内元组数至少为 k个，然后用类质心取代类内元组的值，实现数据表的 一匿名化．本文综述了微聚集 算法的基本思想、相关技术和当前动态，对现有的微聚集算法进行了分类分析 ，并总结了微聚集算法的评估方法，最后 对微聚集算法的研究难点及未来的发展趋势作了探讨 ． 关键词： k-匿名 ；泛化／隐匿；微数据；微聚集 ；隐私保护 中图分类号： TP309．2 文献标识码： A 文章编号： 0372．2112(2008)10-2021—09 ResearchinMicroaggregationAlgorithmsfork-Anonymization HANJian．rnin ，CENTing—ting2，YU Hui．qun (1．DepartmentofComputerScienceandEngineering，EastChinaUnitersityofScienceandTechnology，Shanghai200237，Ch／na； 2．Mathematics，PhysicsandInformationEngineeringCollegeofZhej~gNormalUnivershy，Jinhua，Zhe／~g321004，Ch／na) Abstract： K-anonymizationoftablesisamethodtopreventprivateinformationfrom disclosurepriortopublication，whichis achievedtraditionallyviageneralization／suppressiontechniques．However，htesemehtodshavesomedefectsonefficiency，availabili— ty，ete．Recently，microaggregationalgorithm isproposedasanalternativetogeneralization／suppelssionmehtod fork-anonymization whosegoalistoclusteraestofrecrodsintogroupsofsizeatleastk suchhtat groupsaleashomogeneousaspossible．Thenhte records’attribute valuesinhtesanlegroupalereplacde byhtegroup’Scentroid．Microaggelgationalgorithms’coleideas，htesatte- of-hte-artandrelatedtechniquesalesurveyed．Theexistingalgorithmsaleclassifiednadanalyzed．Evaluationmehtodsofmicroag— gregationalgorithmsarenivestigated．Finally，so