面向数值型敏感属性的分级l-多样性模型

被引：24

作者：

韩建民 ^{[1
]}

于娟 ^{[1
]}

虞慧群 ^{[2
]}

贾泂 ^{[1
]}

机构：

[1] 浙江师范大学数理与信息工程学院

[2] 华东理工大学计算机科学与工程系

来源：

计算机研究与发展 | 2011年 / 48卷 / 01期

关键词：

k-匿名; 同质性攻击; 背景知识攻击; l-多样性; 数值型敏感属性;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

近年来,数据发布隐私保护问题受到了广泛关注,相继提出了多种隐私保护匿名模型.l-多样性模型是其中保护个体隐私的有效方法,但现有的l-多样性模型只适合处理分类型敏感属性,不适合处理数值型敏感属性.为此,提出面向数值型敏感属性的分级l-多样性模型,包括分级相异l-多样性、分级信息熵l-多样性和分级递归(c,l)-多样性.所提出的模型首先将数值型敏感属性域分级,再基于分级信息实现数值型敏感属性的l-多样性.设计了实现这些模型的l-Incognito算法.并且从匿名表的多样性角度进行了比较,实验表明分级l-多样性表比未分级的l-多样性表具有更高的多样度,因此具有更强的抵制同质性攻击和背景知识攻击的能力.

引用

页码：147 / 158

页数：12