基于个人隐私约束的k-匿名模型

摘要

传统的数据发布隐私保护研究假设数据发布者持有的电子化数据是原始的、未经过处理的数据。k-匿名模型提出之后,许多匿名化模型主要针对敏感属性提出了各种约束。然而,隐私保护中另一个重要原则是个人的隐私自治。实际应用场景中,个人有选择和决定隐私约束的权利。用户所提供的数据很可能是不完整的或预先经过处理的。围绕非敏感属性上的约束条件定义了一种新颖的匿名化模型:基于个人隐私约束的k-匿名;并设计了一种自上而下的启发式匿名化算法。实验表明,该算法能很好地处理基于个人隐私约束的k-匿名问题,并具有较少的信息损失。