基于变长聚类的多敏感属性概率κ－匿名算法.PDF

2014年 8月 计算机工程与设计 Aug．2014 第35卷 第 8期 COMPUTER ENGINEERINGAND DESIGN Vo1．35 No．8 基于变长聚类的多敏感属性概率 k一匿名算法 唐印浒，钟 诚+ (广西大学 计算机与电子信息学院，广西 南宁530004) 摘 要：充分考虑记录之间的距离以及记录本身权重值对聚类种子选择的影响，建立聚类种子选取模型，以获得更好的聚 类结果。提 出基于改进变长聚类的多敏感属性概率k一匿名算法，以提高数据可用性 ；提 出融合 k-means与改进变长聚类算 法的概率愚一匿名算法，采用多线程并行技术，在不降低信息损失度与匿名质量的前提下，提升处理大数据集的效率。实验 结果表明，所提算法效率较高，其生成的匿名数据集具有较好的数据可用性。 关键词：数据发布；多敏感属性；概率k一匿名；变长聚类；并行线程 中图法分类号：TP309+．2 文献标识号：A 文章编号：1000—7024(2014)08—2660—06 Probabilistic是一anonymityalgorithm withmulti—sensitiveattributesbasedon variable—lengthclustering TANG Yin-hu，ZHONG Cheng+ (SchoolofComputerandElectronicsandInformation，GuangxiUniversity，Nanning530004，China) Abstract：Togetbetterclusteringresults，amodelofselectingclusterseedswascreatedbyconsideringtheinfluenceofdistances betweenanytworecordsandeffectsoftheweightofarecordonselectingclusteringseeds．Toachievethebetterserviceabilityof thedataset，aprobabilistick-anonymityalgorithm withmultiplesensitiveattributeswasproposedbasedonthevariable-length clustering．Furthemr ore，aprobabilistick-anonymityalgorithm combiningofthek-meansandthevariable-lengthclusteringwas presented．Undertheconditionofwithoutreducingtheinformationlossandthedataquality，thealgorithm improvedtheeffi— ciencyofprocessingbigdatasetbyapplyingtheparallelmultiplethreads．Theexperimentalresultsshow thattheproposedalgo— rithmsareefficientandtheirgenerateddatasethavehighserviceability． Key words： data publishing； multiple sensitive attributes； probabilistic k-anonymity； variable-length clustering； parallelthreads 匿名化算法，该算法生成的每个聚类至少有 z个不同的敏 O 引 言 感属性值 ，每个聚类的大小介于z和 21—1之间，以达到优 平衡隐私保护和数据可用性之间的矛盾是数据发布中 化划分并提高数据安全性。然而，z一