基于數據集動態(tài)更新的隱私保護算法.pdf

1、伴隨著互聯網等各種各樣通訊技術的飛速發(fā)展,使信息共享變得越來越容易。國家、企業(yè)及個人可以更加容易的搜集到自己所需的有用信息。與此同時隨著數據挖掘以及數據發(fā)布的應用,隱私保護問題也越來越受到社會各界的關注。以往大多數研究都集中對靜態(tài)數據集進行隱私保護方法研究,然而在實際應用中,通常發(fā)布的數據集都是隨著時間變化的,因此如何對此類問題實現隱私保護是一個研究的重點。
　　本文著重對具有內部敏感屬性值更新的數據集隱私保護問題進行了研究,為了

2、對具有這種更新類型的數據集進行隱私保護,本文引入了匿名化技術、桶技術,并在此基礎之上提出λ-variety算法:首先,采用讀取數據表的敏感屬性字段類型的方法來判斷屬性值的更新類型;其次,對于不同類別的數據集更新,采用不同的桶創(chuàng)建和記錄分配方法。最后,劃分好等價類并進行匿名發(fā)布。此外,本文著重考慮了匿名化后數據的準確度這個因素,又提出了(D,λ)-variety算法,(D,λ)-variety算法采用了貪婪思想,其在對待發(fā)布數據集實現隱私

3、保護的同時還保證了發(fā)布數據集的可用性。本文采用了來自于http://ipums.org網站的Income數據集和OCC數據集進行了實驗,結果表明本文提出的λ-variety算法和(D,λ)-variety算法,能對具有外部更新以及具有不同類別內部屬性值更新的數據集實現較好的隱私保護。另外,本文提出的(D,λ)-variety算法和本文提出的λ-variety算法相比,前者可以保證匿名化后數據集的準確度,但是前者較后者隱私保護度會有一些下