一种抵制多敏感属性关联攻击的数据发布方法

摘要

随着数据挖掘技术的发展，大量的数据被共享、发布用于数据分析，其中包含许多与个人相关的信息。如何在保证数据有效性的前提下，确保发布后数据的安全性一直是进行数据发布时需要考虑的重要的问题。而现有的针对多敏感属性的隐私保护技术中，往往会发生由于忽略不同属性间的关联信息而导致个人隐私泄露的问题。
　　论文在研究多维桶分组技术、Rating数据发布模型等经典的隐私保护数据发布技术的基础上，针对数据发布过程中忽略不同属性之间的关联信息导致隐私泄露的问题提出了一种能够抵制关联攻击的数据发布模型——(l，m)-多敏感属性匿名模型。首先，利用关联规则挖掘算法找出数据集中不同的敏感属性之间存在的关联信息，并生成关联规则集合；其次，根据不同的数据集生成相应的泛化桶，并利用前面挖掘产生的关联规则集合对泛化桶进行筛选，产生泛化表；接着，利用泛化表对待发布数据集的敏感属性数据进行泛化处理，同时从中筛选出不能进行泛化处理的剩余元组集合；最后，对剩余元组单独进行泛化处理，并把泛化产生的数据集与前面的处理结果合并生成最终的结果数据集。
　　本文利用实际的数据集对论文中提出的数据发布模型的实现算法进行实验。实验结果表明，本文提出的数据发布模型不仅具有较低的信息损失率和数据隐匿率，而且在处理相同的数据集时具有较短的执行时间。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的背景和意义

1.2国内外研究现状

1.3 论文的主要研究内容

1.4 论文的组织结构

第2章 相关技术与理论基础

2.1数据发布隐私保护基础

2.2 K-匿名数据发布模型分析

2.3 L-多样性数据发布模型分析

2.4 MSB数据发布模型分析

2.5 Rating发布模型分析

2.5 关联规则挖掘基本理论

2.6 本章小结

第3章 抵制关联攻击的数据发布方法

3.1问题描述

3.2（l,m）-多敏感属性匿名模型

3.3基于多敏感属性关联性的数据发布算法

3.4本章小结

第4章 实验结果与分析

4.1实验环境

4.2多敏感属性数据发布算法性能分析

4.3多敏感属性数据发布算法执行时间分析

4.4 本章小结

结论

参考文献

致谢