数据表匿名化微聚集算法和研究.pdfVIP

数据表匿名化的微聚集算法的研究 摘要 忌匿名作为一种简单有效的私有数据的保护技术得到了广泛的关注。它要求发布的 数据中存在一定数量(至少为勋的在准标识符上不可区分的记录，使攻击者不能判别出 隐私信息所属的具体个体，从而保护了个人隐私。目前存在的珏匿名算法大都基于泛化 ／隐匿技术，然而，泛化／隐匿技术在效率、连续性数据的语义保持等上存在一定的缺陷。 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，实现数据表的结匿名化。 本文研究了全局搜索的微聚集算法，实现了面向混合型数据的微聚集算法，并且提 出了面向微聚集算法的评估模型，主要研究工作如下： ColonalSelection (1)提出了基于免疫克隆选择的微聚集算法(ICSMA，Immune 的克隆选择算法的基础上，引入调整算子，在抗体成熟的过程中，删除不合理抗体，加 快了收敛速度。实验结果表明，ICSM算法较MDAV算法能生成质量更好的匿名表。 (2)针对目前微聚集算法在匿名化分类型数据上的不足，本文提出了一种面向混合 型数据的微聚集算法。该算法中，分类型数据采用层次距离，数值型数据采用欧氏距离， 将这两种距离的结合作为混合型数据的距离，并将数值型数据的均值向量与分类型数据 的众值向量并在一起作为类质心，用该类质心代替类中元组在准标识符上的值，以实现 肛匿名化。实验结果表明该方法在保证匿名表安全的情况下，可以降低匿名表的信息损 失量，提高可用性。 Modelfor (3)提出了微聚集算法的评估模型EM4ADOM(Evaluationk-Anonymized DataOrientedto 的权衡三个方面综合评估微聚集算法产生的匿名数据的质量。实验结果表明， EM4ADOM能够较全面地评估微聚集算法。 I 关键词：尽匿名；泛化／隐匿；微数据；微聚集：隐私保护；免疫克隆选择算法 MICROAGGREGATION ALGORITHM FOR K-ANONYMIZATION ABSTRACT I model ne肛锄on”nityhas been extensively forits investigated and simpliciW p贼ticability．Themodel thatellch requires record inthe a110nymized讪lebe 1溅tlngulshablewim atleast k-1other records withinthe table with t