一种基于个人化匿名的多敏感属性隐私保护算法

摘要

由于传统的敏感数据方法主要针对单一敏感属性的数据,然而很多现实应用中,发布的数据往往涉及到多个敏感属性。目前多敏感属性的数据发布方法成为重要的研究方向,但由于不同人对隐私保护的要求程度不同,在统一匿名概括过程中传统的匿名算法导致数据的过分保护和保护不足。因此,研究基于个人化匿名和多敏感属性的隐私保护算法,是数据库安全未来研究的一个新的发展方向,对隐私保护技术提出了新的挑战。
　　 论文首先分析数据库隐私保护现有的主要技术,研究现有多维敏感属性数据发布时隐私保护技术的主要特点,针对由单维敏感属性表都满足匿名条件合并多维敏感属性表产生大量冗余信息的问题,论文提出一种多维敏感属性的隐私保护方法,采用基于最小信息损失的概括策略来改进匿名模型,然后将概括问题转化为带特定约束的聚类问题,改进传统笛卡尔积算法应用在合并多维敏感属性表时造成的信息损失。其次由于多维敏感属性数据发布技术在匿名化过程中没有考虑单一个体对应多条记录的情况,导致了同一个人多个敏感属性之间关联信息丢失的问题,本文提出一种基于身份保持的多维敏感属性匿名算法,采用有损连接方法并结合(K,L)-匿名模型的数据发布技术,避免单一个体对应多个记录情况在匿名中的过度泛化问题。最后论文在基于个人匿名要求的多敏感属性数据发布这一应用场景下,通过对个人匿名相关隐私技术发展趋势的分析和研究后,综合考虑数据安全性和信息有效性两个特点,采用更为灵活的执行策略即多敏感属性语义分类树的动态控制技术,提出一种能够解决关系数据库中多维敏感属性发布数据时隐私信息泄漏的模型,并给出相应的算法。
　　 本文利用仿真实验结合Matlab进行数据处理,详细叙述所提出的多维敏感属性方法在信息冗余度和有损连接及个人匿名化要求的处理结果。通过曲线图对实验数据及其处理结果进行综合的分析与比较,说明本文提出的方法在克服冗余信息缺点同时能够更好地保护隐私数据集的准确性。通过仿真实验结果验证本文提出的方法可以满足每个人隐私要求的最小量概括,最大程度地保留了原始数据中信息,从而达到提高挖掘结果准确性的效果。