基于信息增益比例约束的数据匿名方法及其评估机制

摘要

针对数据发布中的隐私泄露问题，分析了对数据集进行匿名保护需要满足的条件，提出了一种基于信息增益比例约束的数据匿名方法。该方法以凝聚层次聚类为基本原理，将数据集中的元组划分到若干个等价群中，然后概化每个等价群中的元组使其具有相同的准标志符值。在聚类过程中，以信息损失最小、信息增益比例最大的约束条件来控制聚类的合并，可以使数据匿名结果保持良好的可用性和安全性。对匿名结果的质量评估问题进行了深入的探讨，提出了匿名结果可用性和安全性的量化计算方法。在UCI知识库提供的Adult数据集上的一系列实验结果表明，该方法%Publishing data without revealing privacy of individuals is an important problem. This paper analyzed the requirements that an anonymized data set should meet and presented a data anonymization method based on restriction of information gain ratio. By app