面向隐私保护的数据挖掘和数据发布方法研究(童云海).ppt

CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 32 我们研究的重点 ? 微数据发布场景 ? 分析单一个体对应多个记录的情况，提出了身份保 持的匿名模型 ? 分析动态数据发布的场景和隐私推理途径，提出了t- rotation模型处理动态数据 ? 联机分析处理(OLAP)中的数据保护 ? 基于度量的OLAP数据隐私保护方法 ? 基于维度的OLAP数据隐私保护方法 CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 33 问题提出 ? 很多部门和单位（例如：医院）需要发布一些数据表。包 含个体信息的表称为微数据（microdata） ? 微数据是记录个人信息的数据 ? 身份标识属性（Individually Identifying Attribute ，简称ID ）：记 录了可以唯一识别个人的取值，比如身份证号、电话号码、姓名 等信息 ? 准标识属性（Quasi-identifiers，简称QI）：记录了对个人的一些 类型属性的取值，比如性别、所在的邮政编码、出生日期等 ? 敏感属性（Sensitive Attribute，简称ST）：记录了个人不愿为人所 知的取值信息，比如个人收入、所患病症等 CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 34 问题提出：微数据发布场景 ? 为了提供研究，医院发布了一个病人情况表 ? 简单的方法：去掉“身份标识属性” publish CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 35 连接推理 发布表 Quasi-identifier (QI) attributes 选民登记表 An adversary CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 36 连接推理 ? [Swe00]的研究表明，87％的美国人口信息可以通过性 别、出生日期、5位邮政编码进行个人重建 ? 我们研究了宁波城区中的居民数据，得到了类似的结论 ? 78％的人口可以通过出生日期和6位邮政编码唯一确定 ? 58％的人口可以通过出生日期和5位邮政编码唯一确定 CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 37 问题定义(1) ? 设数据集的模式： T={ID1，…IDr，QI1，…，QIs，ST1，…，STt} ? IDi (i=1，2，…，r)：身份标识属性 ? QIj (j=1，2，…，s)：准标识属性 ? STk (k=1，2，…，t)：敏感属性 ? 为了保护个人隐私，发布数据集需要设定一个隐私保护 需求ψ ? 为了达到隐私保护需求ψ，需要对数据集T中的元组t进 行转化得到t’，设转化函数为f CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 38 问题定义(2) ? 对转化函数f ? 设t=( d1，…dr，q1，…，qs，s1，…，st)，f把t转化为t’ ＝( d1’，…dr’，q1’，…，qs’，s1’，…，st’)，即t’=f(t)。 ? 通常在微数据发布处理方法中，f并不修改敏感属性 的取值，即sk=sk’，(k=1，2，…，t) ? 对于需要处理的数据集T，转化函数f把T转化为发布 数据集PT，其中PT={f(t)|t∈T}。转化后( q1’，…，qs’) 取值相同的那些元组形成一个QI分组。 ? 为了尽量准确地评价发布数据，需要建立评价指 标，设为σ CCF YOCSEF 报告会：数据挖掘及其在网络信息安全中的应用 39 问题定义(3) ? 隐私保护的数据发布问题可以表示为一个四元组PPDP=（ T，ψ，f，σ） ? T是需要发布的数据集，发布的数据集为PT＝{f(t)|t∈T} ? ψ是隐私保护需求 ? f 是转化函数