基于切片技术交易型数据隐私保护方法-系统工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 硕士学位论文基于切片技术交易型数据隐私保护方法 硕士学位论文 基于切片技术交易型数据隐私保护方法 A Privacy-Preserving Method of Transactional Data Based on Slicing Technology 学 2121 1008 大连理工大学 Dalian University of Technology 万方数据 lIllllIIIII lIllllIIIII IIIIIIIIllIIIllIlllUI Y2822285 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目：墓j衄臣挞交昼壁鲞盥隐丞堡蒸玄造 作者签名： 毯垂 日期： 坐!篁年—上月j王日 万方数据 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 随着互联网的高速发展，人类的一切日常活动，如线上／线下购物、医疗诊治、网 络搜索甚至于日常通信等等，都可以被跟踪、记录和存储在交易型数据集中。对外发布 和共享这类隐含着海量信息的交易型数据集可以为各类研究和企业决策提供有力的数 据支撑，但它同时会对个人隐私造成严重的威胁。因此，如何在对外发布和共享交易型 数据集时提出一种有效的方法，既使得用户隐私得到保护又使得信息损失尽可能地降 低，是具有非常重要的理论和现实意义的。 本文从交易型数据集拥有者的角度综合考虑了成员隐私保护、身份隐私保护、属性 隐私保护和关联规则保护，并提出了一种新的度量数据效用的方法，即效用增益值。为 了更好地权衡交易型数据发布过程中的隐私保护和数据效用，本文基于切片技术，提出 了两种不同的面向交易型数据集隐私保护的方法，即熵L一多元性切片方法和t．接近度 切片方法。 首先，为了克服现有的交易型数据隐私保护研究中的不足，本文基于熵L一多元性 模型和切片技术，提出了面向交易型数据集隐私保护的熵L一多元性切片方法。根据该 方法的基本思想给出具体的算法设计，并证明了该方法的高效性。针对三个不同的交易 型数据集进行数值实验，实验结果显示：熵L一多元性切片方法不仅能够有效地保护交 易型数据集中的成员隐私、身份隐私、属性隐私和关联规则，还在降低数据效用损失的 方面优于熵L一多元性剖分方法。 其次，针对熵L一多元性切片方法不能解决的斜交攻击问题，本文在交易型数据隐 私保护的研究中引入了t一接近度模型，并基于切片技术提出了面向交易型数据隐私保护 的t_接近度切片方法。基于该方法的基本思想设计具体的算法，并给出该算法的时间复 杂度分析。数值实验结果表明：t’接近度切片方法不仅能够有效地保护交易型数据集中 的成员隐私、身份隐私、属性隐私和关联规则，还比t一接近度剖分方法更高效地降低了 数据效用的损失。 本文提出了交易型数据的隐私保护方法，以更加有效地权衡在交易型数据发布过程 中的隐私保护和数据效用，也就是在有效地保护个人隐私的前提下，尽可能地提高发布 的交易型数据集的可用性。 关键词：隐私保护；交易型数据；切片技术；熵L一多元性；t一接近度 万方数据 基于切片技术的交易型数据的隐私保护方法A 基于切片技术的交易型数据的隐私保护方法 A Privacy—Preserving Method of Transactional Data Based on Slicing Technology Abstract With ever expanding Internet，all daily activities of human beings，such as online／offline shopping，medical treatment,web search queries and even daily communication(to name a few)can be traced,recorded and stored in the transactional dataset．Although publishing and sharing these data implying massive information can provide powerful data support for various research and business decisions，it simultaneously poses severe