检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向数值型敏感属性的分级l-多样性模型

计算机研究与发展 2011年第1期48卷 147-158页

作者：韩建民于娟虞慧群贾泂浙江师范大学数理与信息工程学院浙江金华321004 华东理工大学计算机科学与工程系上海200237

近年来,数据发布隐私保护问题受到了广泛关注,相继提出了多种隐私保护匿名模型.l-多样性模型是其中保护个体隐私的有效方法,但现有的l-多样性模型只适合处理分类型敏感属性,不适合处理数值型敏感属性.为此,提出面向数值型敏感属性的分... 详细信息

近年来,数据发布隐私保护问题受到了广泛关注,相继提出了多种隐私保护匿名模型.l-多样性模型是其中保护个体隐私的有效方法,但现有的l-多样性模型只适合处理分类型敏感属性,不适合处理数值型敏感属性.为此,提出面向数值型敏感属性的分级l-多样性模型,包括分级相异l-多样性、分级信息熵l-多样性和分级递归(c,l)-多样性.所提出的模型首先将数值型敏感属性域分级,再基于分级信息实现数值型敏感属性的l-多样性.设计了实现这些模型的l-Incognito算法.并且从匿名表的多样性角度进行了比较,实验表明分级l-多样性表比未分级的l-多样性表具有更高的多样度,因此具有更强的抵制同质性攻击和背景知识攻击的能力.

关键词： k-匿名同质性攻击背景知识攻击 l-多样性数值型敏感属性

在线全文

学校读者我要写书评

暂无评论

基于可伸缩l-多样性的大数据发布隐私保护

计算机应用研究 2021年第2期38卷 564-566,571页

作者：邹劲松李芳重庆水利电力职业技术学院普天大数据产业学院重庆402160 重庆大学计算机学院重庆400044

针对非结构化大数据发布中的隐私保护问题,提出了一种基于改进的可伸缩l-多样性(improved scalable l-diversity,Im SlD)大数据发布隐私保护方法。该算法采用基于两阶段条件随机场的命名实体识别(named entity recognition,NER)方法将... 详细信息

针对非结构化大数据发布中的隐私保护问题,提出了一种基于改进的可伸缩l-多样性(improved scalable l-diversity,Im SlD)大数据发布隐私保护方法。该算法采用基于两阶段条件随机场的命名实体识别(named entity recognition,NER)方法将非结构化数据表示为结构化形式,设计一种改进的可伸缩l-多样性算法来对表现良好的非结构化数据进行匿名化,实现保护非结构化大数据发布的隐私,通过Apache Pig实现Im SlD算法来使其具有可伸缩性。实验表明与MRA和SKA算法相比,改进的Im SlD算法在不同数据集上提供相同级别的隐私时信息损失均优于对比的另外两种算法。

关键词：大数据发布隐私保护 l-多样性 k-匿名非结构化大数据命名实体识别

在线全文

学校读者我要写书评

暂无评论

实现敏感属性l-多样性的l-MDAV算法

实现敏感属性l-多样性的l-MDAV算法

第二十七届中国控制会议

作者：韩建民岑婷婷于娟浙江师范大学数理与信息工程学院

MDAV算法是一种高效的多变量定长微聚集算法,但该算法没有考虑敏感属性的多样性,生成的匿名表不能抵制同质性攻击和背景知识攻击。针对该问题,本文提出了实现敏感属性多样性l-MDAV算法,该算法将距离类中心最近的且至少有l个不同敏感值... 详细信息

MDAV算法是一种高效的多变量定长微聚集算法,但该算法没有考虑敏感属性的多样性,生成的匿名表不能抵制同质性攻击和背景知识攻击。针对该问题,本文提出了实现敏感属性多样性l-MDAV算法,该算法将距离类中心最近的且至少有l个不同敏感值的元组聚为一类,从而保证了匿名表中敏感属性的l-多样性,以抵制同质性攻击和背景知识攻击。试验结果表明该算法能够高效的生成满足l-多样性约束的匿名表。

关键词： l-多样性微聚集 k-匿名同质性攻击背景知识攻击

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

(k,l)-多样性数据发布研究

计算机科学 2013年第8期40卷 140-145页

作者：杨高明李敬兆杨静朱广丽安徽理工大学计算机科学与工程学院淮南232001 哈尔滨工程大学计算机科学与技术学院哈尔滨150001

发布未经处理的数据会导致身份泄露和敏感属性泄露,通过概化准标识符可以达到隐私保护的目的,但信息损失过大。针对该问题提出一种基于聚类的(k,l)-多样性数据发布模型并设计算法予以实现。通过使用概率联合分布度量数据对象的离散属性... 详细信息

发布未经处理的数据会导致身份泄露和敏感属性泄露,通过概化准标识符可以达到隐私保护的目的,但信息损失过大。针对该问题提出一种基于聚类的(k,l)-多样性数据发布模型并设计算法予以实现。通过使用概率联合分布度量数据对象的离散属性和连续属性相似性,提高了数据的效用。详细论述了簇的合并、调整和概化策略,结合参数k和l提出隐私保护度概念,指出了基于聚类的最优化(k,l)-多样性算法是NP-难问题,并分析了算法的复杂度。理论分析和实验结果表明,该方法可以有效减少执行时间和信息损失,提高查询精度。

关键词：隐私保护数据发布 l-多样性数据效用聚类相似性度量

个性化(α,l)-多样性k-匿名隐私保护模型

在线全文

学校读者我要写书评

暂无评论

计算机科学 2018年第11期45卷 180-186页

作者：曹敏姿张琳琳毕雪华赵楷新疆大学信息科学与工程学院乌鲁木齐830046 新疆医科大学医学工程技术学院乌鲁木齐830011

针对传统隐私保护模型对个性化匿名缺乏考虑的问题,对现有的两种个性化匿名机制进行了分析。在k-匿名和l-多样性匿名模型的基础上,提出一种个性化(α,l)-多样性k-匿名模型来解决存在的问题。在该模型中,依据敏感程度的不同,对敏感属性... 详细信息

针对传统隐私保护模型对个性化匿名缺乏考虑的问题,对现有的两种个性化匿名机制进行了分析。在k-匿名和l-多样性匿名模型的基础上,提出一种个性化(α,l)-多样性k-匿名模型来解决存在的问题。在该模型中,依据敏感程度的不同,对敏感属性的取值划分类别;设置相应的约束条件,并为特定的个体提供个性化的隐私保护。实验结果表明,所提模型在有效提供个性化服务的同时,具有更强的隐私保护能力。

关键词：隐私保护 k-匿名 l-多样性个性化匿名泛化

在线全文

学校读者我要写书评

暂无评论

面向多敏感属性的隐私保护方法研究

面向多敏感属性的隐私保护方法研究

作者：刘佳欣哈尔滨工程大学

学位级别：硕士

随着大数据的发展,数据的形式也愈加复杂化,已经从单个敏感属性拓展到了多个敏感属性,如果将单敏感属性的隐私保护方法直接应用于多敏感属性数据可能会导致不同程度的隐私泄漏,面向多敏感属性的隐私保护方法中如何平衡数据的隐私性和可... 详细信息

随着大数据的发展,数据的形式也愈加复杂化,已经从单个敏感属性拓展到了多个敏感属性,如果将单敏感属性的隐私保护方法直接应用于多敏感属性数据可能会导致不同程度的隐私泄漏,面向多敏感属性的隐私保护方法中如何平衡数据的隐私性和可用性仍然是值得研究的问题。针对面向多敏感属性的隐私保护方法中属性划分后属性分布不均匀、匿名化后的数据相对查询误差较大的问题,提出一种基于分解的多敏感属性隐私保护方法。首先定义多敏感属性(α,β,γ,δ)-隐私模型并对模型隐私性进行分析,提出基于属性相关的多敏感属性划分算法,将所有属性划分成若干个子集;提出基于多维桶的元组划分算法,根据隐私参数将原始数据中的记录划分到不重叠的小组中。最后,根据属性划分以及元组划分的结果对数据进行分解和交换操作,使得处理后的数据满足定义的多敏感属性(α,β,γ,δ)-隐私模型以达到隐私保护的效果。对比实验结果表明,本文提出的方法属性划分后属性分布更均匀,相对查询误差相对于对比方法更小,在保证隐私的前提下提升了数据的可用性。为了实现面向多敏感属性的个性化隐私保护,本文对不同敏感值有不同的隐私需求进行考虑,同时针对面向多敏感属性的个性化保护方法中人工设置敏感值的隐私参数、额外信息损失较大的问题,提出一种基于敏感级别的多敏感属性隐私保护方法。首先基于敏感属性取值出现的频率定义敏感级别,定义基于敏感级别的l-多样性——多敏感属性l-多样性,提出一种最大加权桶选择度优先的多敏感属性l-多样性隐私保护算法。考虑不同记录的重要性不同,将敏感级别作为等价组划分时的首要考虑因素,基于敏感级别定义桶的权重系数,并基于桶容量、单维容量定义桶选择度,在算法中基于最大加权桶选择度优先的原则进行记录抽取构成等价组,并对剩余记录进行分配得到最终的多敏感属性l-多样性等价组结果集,根据结果集对原始数据表划分得到准标识符子表以及敏感属性子表。对本文提出的算法与其它算法进行对比实验,实验结果表明,本文提出的算法相对于对比算法降低了额外信息损失。

关键词：隐私保护多敏感属性 l-多样性属性相关敏感级别

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向结构化关系数据动态连续发布的隐私保护

面向结构化关系数据动态连续发布的隐私保护

作者：华怡湖南科技大学

学位级别：硕士

随着信息技术的快速发展,海量数据不断被收集、存储和发布,在大数据时代中,越来越多的平台和机构以及个人参与到数据发布信息共享过程中。然而超大规模的数据信息挖掘和分析意味着个人隐私信息泄露问题日益严峻,由其是随着时间推移的数... 详细信息

随着信息技术的快速发展,海量数据不断被收集、存储和发布,在大数据时代中,越来越多的平台和机构以及个人参与到数据发布信息共享过程中。然而超大规模的数据信息挖掘和分析意味着个人隐私信息泄露问题日益严峻,由其是随着时间推移的数据连续发布将披露更多的个人信息。目前,连续数据发布隐私保护研究还处于初级阶段,亟需研究更有效的隐私保护方法来保证数据发布安全。首先针对连续数据发布的主要匿名目标准标识符进行研究。准标识符是用于确定结构化数据中特定实体身份的属性,可以为查询攻击提供推理路径,准标识符的选择是否正确和完备关系到隐私保护的成功或失败。针对如何求解单一结构化关系数据正确完备的准标识符集合问题,提出了一种基于函数依赖关系的准标识符求解方法。根据语义关系和发布需求,将待发布关系数据的属性分类为标识属性、隐私属性、敏感属性和非敏感属性;其次分别根据属性语义和实例数据挖掘关系模式中的函数依赖关系并变换形成最小函数依赖集,求解推理得到标识属性的依赖集合,从而得到准标识符。实验选取UCI的三个真实数据集进行实验,用Python语言设计了准标识符的求解算法。结果表明,在求解的准标识符上划分的等价类的平均组记录大小比其他方法缩小了8%,隐私泄露的概率平均降低约3%。因此,由此方法求解的准标识符在匿名模型的运用中有更好的效果。其次结合l-多样性原则对动态连续数据发布设计了基于distinguish约束的隐私保护方法。通过数据合并将前后发布数据整合为当前时刻的待发布数据表,同时根据更新操作标记记录。利用前一时刻的发布表和记录相似度划分等价类,依次对未更新数据和更新数据进行更新处理,通过聚类思想尽可能将相似记录划分为同一等价类。同时对修改记录进行约束,按照distinguish约束使修改后的记录所在等价类隐私属性值集与已发布版本保持一致和完全不一致,使其无法通过对比攻击产生推理通道。匿名化处理采用分割方法进行数据发布,减少由泛化所带来的信息损失。最后在Adult数据集上进行连续发布,在信息损失度不超过15%的情况下隐私泄露概率满足小于1/l。实验表明,由此方法所得的匿名数据具有较高的数据可用性和较低的隐私泄露风险。

关键词：数据发布隐私保护匿名化准标识符 l-多样性

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多分类混合型数据的匿名保护技术研究

基于多分类混合型数据的匿名保护技术研究

作者：荣林通西安电子科技大学

学位级别：硕士

互联网和信息技术的迅猛发展使累积的数据爆发式增长,人们通过数据挖掘等技术对发布的数据进行整理、分析,进而获取有用的信息,这为人们带来利益的同时也导致了用户隐私的泄露。作为隐私保护最常用的主要技术之一,基于聚类的匿名化技术... 详细信息

互联网和信息技术的迅猛发展使累积的数据爆发式增长,人们通过数据挖掘等技术对发布的数据进行整理、分析,进而获取有用的信息,这为人们带来利益的同时也导致了用户隐私的泄露。作为隐私保护最常用的主要技术之一,基于聚类的匿名化技术通过对相似数据进行聚类、泛化等处理,满足了对用户敏感信息保护的基本要求。但该算法过分依赖聚类中心的随机选取,并且未考虑敏感属性的多元约束,这不仅会暴露隐私信息还会造成更多的数据信息损失。因此,为了在有效保护用户隐私安全的情况下减小发布数据的信息损失,本文对基于聚类的匿名化方法进行了改进研究:(1)本文针对传统的基于聚类的k-匿名算法随机选取聚类中心点造成聚类结果不准确,从而导致数据信息损失较大的问题,提出一种优化聚类中心选取的改进算法。该算法在密度峰值(Density peak clustering,DPC)算法的基础上,结合M-近邻(M-Nearest Neighbor,MNN)思想按照数据相似度将数据集划分为多个簇,在每个簇中找到覆盖范围最大的数据点作为初始中心点,减小了聚类中心不确定性对聚类结果的影响。通过选取准确的聚类中心对数据划分,减少了算法执行的迭代次数,获得更准确的聚类结果,使得泛化后的数据信息损失更小。论文从算法运行时间和数据信息损失方面对改进算法进行仿真,仿真结果验证了该算法减小了数据信息的损耗,提高了发布数据对外界的可用性。(2)对于匿名化处理后的数据敏感属性值相同、分布频率差异大以及数值相似性高造成的隐私泄露问题,本文设计出一种基于(k,l,α)约束的匿名算法。该算法首先根据敏感属性值的相似度对数据分类,在聚类过程中对等价类中敏感属性值的种类、分布频率进行约束,在信息损失最小的原则下将数据集划分为多个满足敏感属性值约束的等价类。为提高聚类精度,将混合型数据细分为数值型,无序分类型和有序分类型三种类型数据,重新确定出不同类型数据之间的距离公式,提高数据划分的准确性,减小数据的信息损失。论文最后从算法运行时间,隐私保护性能和数据信息损失三方面对改进算法进行仿真,结果验证了该算法在敏感属性的多元约束下能同时抵御相似性攻击和偏斜性攻击,在提高用户隐私保护有效性的同时增加了数据信息对外界的可用性。

关键词：混合数据聚类匿名保护 k-匿名 l-多样性 α约束

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于敏感度的个性化(α,l)-匿名方法

计算机工程 2015年第1期41卷 115-120页

作者：赵爽陈力天津财经大学管理信息系统系天津300222

目前多数隐私保护匿名模型不能满足面向敏感属性值的个性化保护需求,也未考虑敏感属性值的分布情况,易受相似性攻击。为此,提出基于敏感度的个性化(α,l)-匿名模型,通过为敏感属性值设置敏感度,并定义等敏感度组的概念,对等价类中各等... 详细信息

目前多数隐私保护匿名模型不能满足面向敏感属性值的个性化保护需求,也未考虑敏感属性值的分布情况,易受相似性攻击。为此,提出基于敏感度的个性化(α,l)-匿名模型,通过为敏感属性值设置敏感度,并定义等敏感度组的概念,对等价类中各等敏感度组设置不同的出现频率,满足匿名隐私保护的个性化需求。通过限制等价类中同一敏感度的敏感属性值出现的总频率,控制敏感属性值的分布,防止相似性攻击。提出一种基于聚类的个性化(α,l)-匿名算法,实现匿名化处理。实验结果表明,该算法能以与其他l-多样性匿名模型近似的信息损失量和时间代价,提供更好的隐私保护。

关键词：隐私保护 l-多样性敏感度聚类个性化相似性攻击