面向聚类的多敏感属性数据发布隐私保护研究-软件工程专业毕业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 数据发布在数据管理、数据挖掘和信息共享应用中有着重要的地位。高速发展的互联网 使得海量数据的收集、发布及分析更加便捷，但与此同时，也给用户个人隐私带来了威胁。 在现实生活中，有很多机构需要定期对外发布数据。例如，医院定期发布医疗统计数据，上 市公司定期发布的财务报表，等等。这些数据中存在大量的个人敏感信息，如果泄露将会造 成不可估量的损失。实际场景中，数据中存在不止一个敏感属性，所以，我们对数据发布中 存在不止一个敏感属性的隐私研究迫在眉睫，尤其是对多敏感属性数据发布中的多维数值敏 感属性个性化隐私保护问题，更是探讨热点，分析这一问题通常需要采用聚类的方法处理数 据，所以称之为面向聚类。 首先，论文分析了现有数据发布中保护隐私的各种方法，包括匿名隐私保护模型、匿名 技术、应用聚类的匿名方法等等，从中得出不同匿名模型和匿名技术的优缺点。 其次，论文对数据发布中多敏感属性的隐私保护技术进行深入探讨，指出传统的多敏感 属性数据发布方法在保护隐私上存在不足。针对多维数值敏感属性数据发布隐私保护方法中， 很少考虑数值敏感属性的属性值权重的个性化隐私问题。提出基于聚类和加权多维桶分组的 个性化隐私保护方法。该方法首先通过聚类单独将各维数值敏感属性的属性值划分到多个聚 簇中，然后为多维数值敏感属性构建加权多维桶，将表中数据记录映射到对应多维桶中，通 过考虑加权选择度的最大维容量优先算法，选择多维桶中的数据记录，构建满足 l-diversity 的分组，最后将得到分组的准标识符进行泛化，将分组以匿名表形式发布。实验结果表明， 发布的匿名数据表，满足 l-diversity 的同时，避免了相似性攻击，具有较低信息损失和较低的 隐匿率，以及较高的数据拥有者定义重要记录可发布性，达到个性化隐私保护效果。 最后论文对多敏感属性数据发布中的多维数值敏感属性数据发布个性化匿名技术进行深 入探讨，针对传统方法中，很少同时考虑数值敏感属性的权重和敏感值的权重的问题。提出 了一种基于聚类和个性化加权(数据记录权重)选择度的匿名算法，该方法利用最小个性化数 据记录选择度优先的思想，选择数据记录构成满足 l-diversity 的分组，最后将得到分组的准标 识符进行泛化，将分组以匿名表形式发布，达到个性化隐私保护。实验结果证明，此方法在 保证数据隐私和个人或者数据拥有者隐私需求的同时，也具有较高的数据发布质量。 关键词: 数据发布，隐私保护，l-多样性，聚类，多敏感属性，个性化 I Abstract Data release plays an important role in data management, data mining and information sharing applications. The rapid development of the Internet makes the collection, dissemination and analysis of large amounts of data more convenient. At the same time, but also to bring a threat to users privacy. In real life, there are many agencies need to regularly released data, for example, medical hospital regularly publish statistics, listed companies regularly publish financial statements,