一种基于逆聚类的个性化隐私匿名方法

被引:26
作者
王波 [1 ,2 ]
杨静 [1 ]
机构
[1] 哈尔滨工程大学计算机科学与技术学院
[2] 哈尔滨理工大学自动化学院
基金
黑龙江省自然科学基金;
关键词
隐私匿名; 个性化; 逆聚类; l-多样性; 保护属性;
D O I
暂无
中图分类号
TP309 [安全保密];
学科分类号
081201 ; 0839 ; 1402 ;
摘要
针对不同个体对隐私保护的不同需求,提出了一种面向个体的个性化扩展l-多样性隐私匿名模型.该模型在传统l-多样性的基础上,定义了扩展的l-多样性原则,并通过设置敏感属性的保护属性来实现个体与敏感值之间关联关系的个性化保护需求.同时,还提出了一种个性化扩展l-多样性逆聚类(PELI-clustering)算法来实现该隐私匿名模型.实验表明:该算法不仅能产生与传统基于聚类的l-多样性算法近似的信息损失量以及更小的时间代价,同时也满足了个性化服务的需求,获得更有效的隐私保护.
引用
收藏
页码:883 / 890
页数:8
相关论文
共 4 条
[1]   基于聚类的敏感属性-多样性匿名化算法 [J].
滕金芳 ;
钟诚 .
计算机工程与设计, 2010, 31 (20) :4378-4381
[2]   面向敏感值的个性化隐私保护 [J].
韩建民 ;
于娟 ;
虞慧群 ;
贾泂 .
电子学报, 2010, 38 (07) :1723-1728
[3]   一种基于聚类的数据匿名方法 [J].
王智慧 ;
许俭 ;
汪卫 ;
施伯乐 .
软件学报, 2010, 21 (04) :680-693
[4]   Achieving Anonymity via Clustering [J].
Aggarwal, Gagan ;
Feder, Tomas ;
Kenthapadi, Krishnaram ;
Khuller, Samir ;
Panigrahy, Rina ;
Thomas, Dilys ;
Zhu, An .
ACM TRANSACTIONS ON ALGORITHMS, 2010, 6 (03)