面向多敏感属性的匿名隐私保护方法

摘要：

在数据发布过程中,如果对发布的敏感属性信息不进行任何保护处理而直接发布,容易遭受攻击导致隐私信息泄露.针对传统的单敏感属性隐私保护方法在多敏感属性中不能得到很好的隐私保护效果,提出了一种基于多敏感属性相关性划分的(m,l)-匿名隐私保护模型.利用信息增益法对多敏感属性的相关性进行计算并划分,降低敏感属性维度;根据(m,l)-diversity原则对敏感属性分组,保证发布的数据能防止偏斜性攻击,并且在一定程度上降低背景知识攻击的风险;采用聚类技术实现该模型,减小该模型产生的附加信息损失和隐匿率,确保发布的数据具有较高的可用性.实验结果表明,基于多敏感属性相关性划分的(p,l)-匿名隐私保护模型具有较小的附加信息损失和隐匿率,保证了发布数据的可用性.

关键词：多敏感属性、匿名、聚类、信息增益

所属期刊栏目：29

分类号：TP393(计算技术、计算机技术)

资助基金：重庆市教育科学"十二五"规划重点课题;重庆市高校优秀成果转化资助KJZH17116;重庆市社会民生科技创新专项cstc2016shmszx40001The Key Project of Chongqing Education Science in 12th Five-Year;The Chongqing Outstanding Achievement Transformation ProjectKJZH17116;The Chongqing Municipal People's Livelihood Science and Technology Innovationcstc2016shmszx40001

在线出版日期：2017-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：542-549