面向敏感值的层次化多源数据融合隐私保护

摘要：

数据融合技术能够使用户得到更全面的数据以提供更有效的服务.然而现有的多源数据融合隐私保护模型没有考虑数据提供者的重要程度,以及数据不同属性和属性值的敏感度.针对上述问题,提出了一种面向敏感值层次化的隐私模型,该模型通过数据提供者对数据的匿名程度要求来设置数据属性以及属性值的敏感度以实现敏感值的个性化隐私保护.同时结合k-匿名隐私模型以及自顶向下特殊化TDS的思想提出了一种面向敏感值的多源数据融合隐私保护算法.实验表明,该算法既能实现数据的安全融合,又能获得更好的隐私保护.

关键词：数据融合、敏感度、层次化隐私模型、k-匿名

所属期刊栏目：44

分类号：TP292.2(自动化技术及设备)

资助基金：中国博士后科学基金2014M561644;江苏省博士后科学基金1402034C

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：156-161