面向敏感性攻击的多敏感属性数据逆聚类隐私保护方法

被引：4

作者：

张冰 ^{[1
]}

杨静 ^{[1
]}

张健沛 ^{[1
]}

谢静 ^{[1
]}

机构：

[1] 哈尔滨工程大学计算机科学与技术学院

来源：

电子学报 | 2014年 / 42卷 / 05期

基金：

高等学校博士学科点专项科研基金;

关键词：

隐私保护; 敏感性攻击; 逆聚类; 多敏感属性; (l1; l2; ld)-多样性; 敏感度差异;

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：

针对传统l-多样性模型仅考虑等价类中敏感值形式上的差异,而忽略敏感值的敏感度差异,且难以抵御一种新的攻击方式———敏感性攻击的问题,提出了一种使用逆文档频率IDF度量敏感值的敏感度的方法,并使用属性分解的方式构造敏感组,以避免多敏感属性数据表的QI属性泛化造成的高信息损失.同时,还提出了一种面向敏感性攻击的多敏感属性(l1,l2,…,ld)-多样性隐私保护算法MICD,该算法通过敏感度的逆聚类实现敏感组中敏感值的敏感度差异,以提高多敏感属性数据表抵御敏感性攻击的能力.实验结果表明,MICD算法能够较好的抵御敏感性攻击,且具有较小的信息损失量.

引用

页码：896 / 903

页数：8

共 8 条

[1] 一种基于逆聚类的个性化隐私匿名方法
王波
杨静
[J]. 电子学报, 2012, 40 (05) : 883 - 890
[2] 聚类的(α,k)-匿名数据发布
杨高明
杨静
张健沛
[J]. 电子学报, 2011, 39 (08) : 1941 - 1946
[3] 面向敏感值的个性化隐私保护
韩建民
于娟
虞慧群
贾泂
[J]. 电子学报, 2010, 38 (07) : 1723 - 1728
[4] 一种基于聚类的数据匿名方法
王智慧
许俭
汪卫
施伯乐
[J]. 软件学报, 2010, 21 (04) : 680 - 693
[5] 数据发布中面向多敏感属性的隐私保护方法
杨晓春
王雅哲
王斌
于戈
[J]. 计算机学报, 2008, (04) : 574 - 587
[6] A practical approximation algorithm for optimal k-anonymity
Kenig, Batya
Tassa, Tamir
[J]. DATA MINING AND KNOWLEDGE DISCOVERY, 2012, 25 (01) : 134 - 168
[7] A family of enhanced ( L , α ) -diversity models for privacy preserving data publishing[J] . Xiaoxun Sun,Min Li,Hua Wang.Future Generation Computer Systems . 2010 (3)
[8] L -diversity[J] . Ashwin Machanavajjhala,Daniel Kifer,Johannes Gehrke,Muthuramakrishnan Venkitasubramaniam.ACM Transactions on Knowledge Discovery from Data (TKDD) . 2007 (1)

← 1 →