一种基于(p^+,α)-敏感 k-匿名的增强隐私保护模型.pdf

一种基于(p^+,α)-敏感 k-匿名的增强隐私保护模型.pdf

ID:51210455

大小:250.14 KB

页数:3页

时间:2020-03-21

一种基于(p^+,α)-敏感 k-匿名的增强隐私保护模型.pdf_第1页
一种基于(p^+,α)-敏感 k-匿名的增强隐私保护模型.pdf_第2页
一种基于(p^+,α)-敏感 k-匿名的增强隐私保护模型.pdf_第3页
资源描述:

《一种基于(p^+,α)-敏感 k-匿名的增强隐私保护模型.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、第31卷第l1期计算机应用研究Vo1.31No.112014年11月ApplicationResearchofComputersNOV.2014一种基于(P+,o()-敏感匿名的增强隐私保护模型黄石平,顾金媛(1.南京医科大学信息与网络中心,南京210000;2.南京医科大学康达学院,江苏连云港222000)摘要:将发布的数据用于微观数据表包含的敏感属性分析,同时保持个人隐私,是一个越来越重要的问题。当前,k-匿名模型用于保护隐私数据公布,然而当以身份公开为重点时,k一匿名模型在某种程度上并不能保护属性公开。基于此,提出了一种新的基于(P,)一敏感k.匿名隐私保护模型,敏感属性首

2、先通过其敏感性进行分.类,然后发布敏感属性归属的类别。与以往增强k一匿名模型不同,该模型允许发布更多的信息,但不会影响隐私。实验结果表明,新提出的模型可以显著降低违反保密性。关键词:k一匿名模型;隐私保护;微观数据表中图分类号:TP309文献标志码:A文章编号:1001.3695(2014)11—3465—04doi:10.3969/j.issn.1001.3695.2014.11.060Newbasedon(P,OL)一sensitivek-anonymityenhancedprivacyprotectionmodelHUANGShi—ping.GUJin—yuan(1.Cen

3、terofInform~tion&Network,Na增MedicalUniversity,Nang210000,China;2.KangdaColegeofNanjingMedicalUniversi—ty,LianyuagangJiangsu222000,China)Abstract:Publishingdataforanalysisfromamicrodatatablecontainingsensitiveattributes,whilemaintainingindividualpri—vacy,isaproblemofincreasingsignificance.Now,

4、thek-anonymitymodelwasproposedforprivacypreservingdatapublica-tion.Whilefocusingonidentitydisclosure,k-anonymitymodelfailstoprotectattributedisclosuretosomeextent.Thispaperproposedanewprivacyprotectionmodelcalled(P,)一sensitivek-anonymity,wheresensitiveattributeswerefirstpatti—tionedintocatego

5、riesbytheirsensitivity,andthenpublishedthecategoriesthatsensitiveattributesbelongto.Differentfrompreviousenhancedk-anonymitymodels,thismodelallowedUStoreleasealotmoreinformationwithoutcompromisingprivacy.Experimentalresuhsshowthatthisintroducedmodelcansignificantlyreducetheprivacybreach.Keywo

6、rds:k-anonymitymodel;privacyprotection;microdatatable[2]提出了一种利用二进制搜索域上的泛化层次结构找到0引言最小的一匿名表算法。文献[3]最近通过整合基于散列的随着数据库、网络和计算技术的快速增长,大量的个人数技术改善该算法。文献[4]描述了一种算法,该算法使用据可以数字化地整合和分析,从而导致频繁地使用数据挖掘工自底向上的技术和先验计算。文献[5]提出了一种自顶向具来推断趋势和模式,引起了对于保护个人隐私的普遍关注。下的启发式方法来使一个表被发布成一匿名。就理论结果出于不同的目的,许多数据持有者公布微观数据,他们而言,文献

7、[6,7]证明了最佳的七一匿名是NP.hard难题,并在发布不危害隐私的信息方面有困难。传统的发布数据表描述近似最佳的·匿名算法。文献[8]证明了.匿名问题为去除识别却不违反表中个人隐私的方法,是通过去除识即使是在受限制的情况下也是NP—hard难题,这可能同样别字段实现的,如姓名、地址和社会安全号码。若在属性上地隐含着文献[6,7]中的结果。具有一个公开可用的数据库(如选民数据库)中加入这个当以身份公开为重点时,一匿名模型未能保护属性公识别表,如种族、年龄、邮政编码(通常称为准

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。