作者:陈晓宇; 韩斌; 黄树成差分隐私匿名化泛化层次局部最优
摘要:信息共享时代下,数据与数据挖掘中存在的隐私保护问题一直是信息安全领域研究的重点。匿名化是当前主要的隐私保护技术之一,能够有效降低用户隐私信息被泄露的风险,同时又保证数据的真实性与可用性。除此之外,有着严格数学证明的差分隐私保护技术,因其克服了传统隐私保护模型需要背景知识假设和无法定量分析隐私保护水平的缺点,近年来也迅速成为了隐私保护领域研究的热点。文中提出一种新的匿名化隐私保护方法,该方法在差分隐私的拉普拉斯实现机制基础上,构造具有单调性的数据泛化层次结构,优化数据表示法。通过比较泛化层次结构,获取局部最优泛化过程。在真实数据集上的实验表明,该方法达到了预期:提升数据隐私保护强度、控制计算开销,同时又不会严重影响数据和数据挖掘效率。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社