一種基于信息熵聚類的K-匿名化算法.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，隱私保護(hù)已逐漸成為數(shù)據(jù)發(fā)布領(lǐng)域中備受關(guān)注的問(wèn)題。數(shù)據(jù)匿名化技術(shù)是實(shí)現(xiàn)隱私保護(hù)的主要途徑，其中，K-匿名模型是最有效、最為常用的一種經(jīng)典匿名模型。K-匿名模型要求發(fā)布的匿名數(shù)據(jù)表中任意一條數(shù)據(jù)記錄都有其他k-1條記錄與之完全相同，從而能夠有效地避免鏈接攻擊。
　　目前大多數(shù)K-匿名算法存在以下兩方面問(wèn)題：一，算法難以在數(shù)據(jù)可用性和執(zhí)行效率這兩者之間達(dá)到平衡；二，在匿名算法追求數(shù)據(jù)劃分精度以提高數(shù)據(jù)可用性的同

2、時(shí)，忽略了對(duì)數(shù)據(jù)的隱私保護(hù)，使數(shù)據(jù)的安全性降低，從而加大了隱私泄露的風(fēng)險(xiǎn)。針對(duì)這兩方面問(wèn)題，本文提出一種基于信息熵聚類的K-匿名算法——EBKC算法，旨在保證匿名數(shù)據(jù)可用性的基礎(chǔ)上，提高數(shù)據(jù)的安全性和算法的執(zhí)行效率，從而達(dá)到匿名數(shù)據(jù)可用性、安全性和算法執(zhí)行效率三方面的平衡。
　　本文首先對(duì)K-匿名的相關(guān)理論與技術(shù)進(jìn)行了研究，提出了等價(jià)類“直徑”的概念和最大直徑閾值這個(gè)參數(shù)，以及基于此參數(shù)的聚類準(zhǔn)則。本文還引入了信息熵的思想，并在此