基于敏感信息邻近抵抗的匿名方法

摘要：

针对相似性攻击造成隐私泄露的问题,构建一种(r,k)-匿名模型,基于敏感属性语义关联,设定邻近抵抗阈值r,并提出满足该模型的匿名方法GDPPR.采用模糊聚类技术完成簇的划分,结合敏感属性相异度得出距离矩阵,使得每个等价类中相邻语义下的敏感属性取值频率不高于阈值r,同时保证较高的数据可用性.在两个标准数据集上的实验结果表明,该方案能够较好地满足(r,k)-匿名模型,有效抵抗相似性攻击,减少泛化产生的信息损失.

关键词：数据匿名、相似性攻击、模糊聚类、邻近抵抗、数据泛化

所属期刊栏目：46

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金地区科学基金项目;广西自然科学基金面上项目

在线出版日期：2021-02-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：142-149,184