一种基于最小选择度优先的多敏感属性个性化l-多样性算法

被引：8

作者：

杨静 ^{[1
]}

王波 ^{[1
,2
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

[2] 哈尔滨理工大学自动化学院

来源：

计算机研究与发展 | 2012年 / 49卷 / 12期

基金：

黑龙江省自然科学基金;

关键词：

隐私保护; 多敏感属性; 个性化; 最小选择度优先; l-多样性;

D O I：

暂无

中图分类号：

TP309 [安全保密]; TP311.13 [];

学科分类号：

081201 ; 0839 ; 1402 ; 1201 ;

摘要：

数据发布中的隐私保护技术一直是数据挖掘与信息安全领域关注的重要问题.目前大部分的研究都仅限于单敏感属性的隐私保护技术,而现实生活中存在着大量包含多敏感属性的数据信息.同时,随着个性需求的不断提出,隐私保护中的个性化服务越来越受研究者的关注.为了扩展单敏感属性数据的隐私保护技术以及满足个性化服务的需求问题,研究了数据发布过程中面向多敏感属性的个性化隐私保护方法.在单敏感属性l-多样性原则的基础上,引入基于值域等级划分的个性化定制方案,定义了多敏感属性个性化l-多样性模型,并提出了一种基于最小选择度优先的多敏感属性个性化l-多样性算法.实验结果表明:该方法不仅可以满足隐私个性化的需求,而且能有效地保护数据的隐私,减少信息的隐匿率,保证发布数据的可用性.

引用

页码：2603 / 2610

页数：8

共 4 条

[1] 面向数值型敏感属性的分级l-多样性模型 [J].