一种基于k-匿名算法实现数据集脱敏的方法以及系统

摘要

本发明公开了一种基于k‑匿名算法实现数据集脱敏的方法以及系统，包括以下步骤：获取未经脱敏处理的数据集；将数据集显示标识符删除，定义准标志符中的每个属性取值域上的顺序，使之成为有序域；将有序域一一映射到实数域中；对于空间各数据点的距离的定义并计算相对距离，根据相对距离结合投影区域密度划分算法确定数据集的划分点，递推求出各级分割点，最终建立超球体群；对超球体群中的每个超球体中所含的点信息进行概化处理，使得所有的记录的准标志符取值相同，完成脱敏处理。本发明能够改善矩形存在的区域角问题，并且能够考虑到临时匿名组中相邻点之间的距离问题，使得在保证隐私保护的前提下，得到更多的匿名组，使数据的概化程度越低，增大了数据的可用性。