一种增强的个性化匿名隐私保护模型

摘要

匿名模型是近年来隐私保护研究的热点技术之一，主要研究如何在数据发布中避免敏感数据的泄露，又能保证数据发布的高效用性。提出了一种个性化(a[s], e)-多样k-匿名模型，该方法将敏感属性泛化成泛化树，根据数据发布中隐私保护的具体要求，给各结点设置不同的α约束，发布符合个性化匿名模型的数据。该方法在保护隐私的同时进一步提高信息的个性化要求。实验结果表明，该方法提高了信息的有效性，具有很高的实用性。