基于敏感属性值语义的个性化匿名方法研究

发布时间：2023-08-25 23:15

　　随着信息化时代的到来,以及Internet技术、数据存储和数据共享技术的飞速发展,大量的信息和数据被各类机构收集、存储和发布。数据挖掘和数据发布成为数据库应用方面最为重要的两个领域,数据挖掘会收集大量的数据并从中抽取出潜在有价值的知识,而数据发布会将数据直接地展现给各用户和机构,而伴随这些数据收集和发布过程,隐私泄露的问题也日渐突出。因此如何保护隐私数据不被泄露,已成为众多学者最近几年来的热门研究方向。匿名化的概念自1998年第一次被提出,各种匿名原则和技术的研究在不断深入。为满足个体的隐私自治需求,个性化匿名成为当前隐私保护中的热点问题。如何在匿名化保护的过程中还保证数据具有较高的可用性,是个性化匿名保护中的研究重点,同时,k-匿名、1-多样性匿名等往往不能低于相似性攻击。因此,结合敏感属性值的语义相似关系,如何使个性化匿名在满足个性化隐私保护需求的基础上,还能抵御相似性攻击并且尽量减少数据的信息损失,就是本文研究的目的。为此提出一种基于敏感属性值语义的个性化(α,1)-匿名模型,模型将敏感度这一属性设置给不同的敏感属性值,通过定义等敏感度组的概念来控制其在等价类中的出现总频率,控制...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
内容摘要
Abstract
第1章 导论
    1.1 研究背景
    1.2 研究目的和意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 国内外研究概况
        1.3.1 数据发布中隐私保护问题
        1.3.2 匿名化技术的研究概况
        1.3.3 个性化匿名方法的研究概况
    1.4 研究内容及结构安排
        1.4.1 研究内容
        1.4.2 结构安排
    1.5 研究方法及创新之处
        1.5.1 研究方法
        1.5.2 创新之处
第2章 匿名化隐私保护的相关知识
    2.1 隐私保护的基础理论
        2.1.1 隐私的概念
        2.1.2 隐私保护的研究方向
        2.1.3 隐私保护的技术
    2.2 数据发布中的隐私保护
        2.2.1 基本概念
        2.2.2 匿名模型
        2.2.3 匿名化方法
        2.2.4 匿名的度量
    2.3 本章小结
第3章 基于敏感属性值语义的个性化(α,l)-匿名模型
    3.1 个性化匿名及语义相似的问题分析
        3.1.1 个性化匿名方法的分析
        3.1.2 敏感属性值语义相似的分析
    3.2 论文研究的问题提出
    3.3 基于敏感属性值语义的个性化(α,l)-匿名模型
        3.3.1 模型建立的思路
        3.3.2 相关概念及定义
        3.3.3 基于敏感属性值语义的个性化(α,l)-匿名模型
    3.4 本章小结
第4章 基于敏感属性值语义的个性化(α,l)-匿名算法
    4.1 匿名算法中的聚类问题
        4.1.1 1-多样性聚类问题
        4.1.2 基于敏感度的个性化(α,l)聚类问题
    4.2 距离度量与代价模型
        4.2.1 距离度量
        4.2.2 代价模型
    4.3 算法设计
        4.3.1 设计思路
        4.3.2 算法描述
    4.4 算法分析
        4.4.1 正确性分析
        4.4.2 复杂性分析
        4.4.3 安全性分析
    4.5 本章小结
第5章 实验及结果分析
    5.1 实验设计
    5.2 实验结果及分析
        5.2.1 隐私保护度分析
        5.2.2 信息损失度分析
        5.2.3 执行时间分析
    5.3 本章小结
第6章 总结与展望
    6.1 研究总结
    6.2 研究展望
参考文献
后记



本文编号：3843491