本文關(guān)鍵詞：數(shù)據(jù)發(fā)布中的敏感屬性隱私保護(hù)方法研究　出處：《貴州大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 單敏感屬性 多敏感屬性 隱私保護(hù) 語(yǔ)義分析 相關(guān)性

【摘要】：如今大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展對(duì)全球經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變、人類生活水平的提高和國(guó)家綜合能力的增強(qiáng)起到顯著推動(dòng)作用。為促進(jìn)該產(chǎn)業(yè)又好又快的發(fā)展,首要任務(wù)就是開放共享數(shù)據(jù),但企業(yè)或組織機(jī)構(gòu)發(fā)布的數(shù)據(jù)中可能存在工作秘密和個(gè)人隱私等敏感信息,故發(fā)布之前要對(duì)這些數(shù)據(jù)進(jìn)行處理,如何保證所發(fā)布的數(shù)據(jù)既有較高的可用性又能保證這些敏感信息不被泄露就變得至關(guān)重要。本文首先闡述了數(shù)據(jù)發(fā)布中隱私保護(hù)的研究背景和研究現(xiàn)狀,詳細(xì)介紹了攻擊者獲取用戶信息的攻擊形式和匿名模型的實(shí)現(xiàn)技術(shù);其次,在單敏感屬性隱私保護(hù)方面,深入研究了K-Anonymity和L-Diversity模型,并針對(duì)兩種模型均無(wú)法抵御背景知識(shí)攻擊和相似性攻擊,提出面向分類型敏感屬性difsimt),,(分級(jí)匿名算法,該算法對(duì)敏感屬性的現(xiàn)實(shí)意義進(jìn)行語(yǔ)義分析,將敏感屬性相互之間的相似程度進(jìn)行量化,根據(jù)量化值來(lái)實(shí)現(xiàn)對(duì)敏感屬性值的劃分,最終使等價(jià)類中屬性值存在語(yǔ)義相似性增大的同時(shí)存在語(yǔ)義差異性;再次,在多敏感屬性隱私保護(hù)方面,本文對(duì)多維桶分組技術(shù)(MSB)及其提出的三種算法進(jìn)行深入研究,針對(duì)MSB技術(shù)在敏感屬性增多時(shí)會(huì)出現(xiàn)匿名數(shù)據(jù)信息損失率較大、數(shù)據(jù)隱匿率較高等情況,提出了一種改進(jìn)的MBF高效算法,即最大選擇度桶優(yōu)先算法(Maximum Selectivity Bucket First),該方法將原始數(shù)據(jù)表分為一個(gè)準(zhǔn)標(biāo)識(shí)符表和若干以敏感屬性相關(guān)性劃分而成的敏感屬性子表,多個(gè)子表之間使用組內(nèi)ID進(jìn)行連接,這樣降低了敏感屬性的維數(shù),該算法可以顯著降低匿名率,能更好保護(hù)用戶的敏感信息;最后,通過(guò)實(shí)驗(yàn)驗(yàn)證這兩種算法的有效性,相對(duì)于傳統(tǒng)經(jīng)典算法,這兩種算法均以犧牲少量的時(shí)間消耗為代價(jià)來(lái)更高層次地保護(hù)用戶的敏感屬性信息。
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP309
，

本文編號(hào)：1337595