隱私保護(hù)數(shù)據(jù)發(fā)布的模型與方法研究.pdf

1、大數(shù)據(jù)時(shí)代帶來(lái)了數(shù)據(jù)的爆炸式增長(zhǎng)，數(shù)據(jù)安全特別是數(shù)據(jù)的隱私問(wèn)題變得尤為重要。隱私保護(hù)的數(shù)據(jù)發(fā)布是隱私保護(hù)領(lǐng)域的一個(gè)研究熱點(diǎn)。在數(shù)據(jù)發(fā)布過(guò)程中，如果發(fā)布原始數(shù)據(jù)，會(huì)導(dǎo)致嚴(yán)重的隱私信息泄露問(wèn)題。發(fā)布的數(shù)據(jù)需要既保護(hù)數(shù)據(jù)的隱私，又保持?jǐn)?shù)據(jù)的可用性，這也正是隱私保護(hù)數(shù)據(jù)發(fā)布的目標(biāo)?，F(xiàn)有的研究仍然不能避免針對(duì)敏感信息的鏈接攻擊。
　　本文在總結(jié)現(xiàn)有研究成果的基礎(chǔ)上，在發(fā)布的數(shù)據(jù)中，從保護(hù)記錄的所有者與敏感屬性的鏈接關(guān)系出發(fā)，建立了三個(gè)隱私保

2、護(hù)模型，提供了更好的隱私保護(hù)和數(shù)據(jù)發(fā)布服務(wù)。主要的研究?jī)?nèi)容如下:
　　(1)系統(tǒng)介紹了隱私保護(hù)數(shù)據(jù)發(fā)布研究領(lǐng)域的研究現(xiàn)狀。首先，總結(jié)了現(xiàn)有的隱私保護(hù)數(shù)據(jù)發(fā)布模型，分析了每個(gè)隱私保護(hù)模型的提出背景、突出優(yōu)點(diǎn)以及不足之處。其次，介紹了一系列實(shí)現(xiàn)匿名化的操作，其中重點(diǎn)介紹了泛化操作，它分為全局重編碼和局部重編碼兩個(gè)類型，它們各自有優(yōu)點(diǎn)和缺點(diǎn)。第三，總結(jié)了隱私保護(hù)模型的信息度量方法，它既用于度量隱私保護(hù)模型的性能，又用于匿名化算法中搜索優(yōu)

3、化的泛化或者細(xì)化節(jié)點(diǎn)。第四，介紹了動(dòng)態(tài)的數(shù)據(jù)發(fā)布，它可以分為多次查詢的發(fā)布、相繼查詢的發(fā)布、連續(xù)數(shù)據(jù)發(fā)布、聯(lián)合數(shù)據(jù)發(fā)布四種模式。此外，還介紹了多敏感屬性的數(shù)據(jù)發(fā)布中的一系列隱私保護(hù)模型。
　　(2)提出敏感值和敏感級(jí)雙重保護(hù)的隱私保護(hù)模型以應(yīng)對(duì)發(fā)布的匿名數(shù)據(jù)中出現(xiàn)針對(duì)敏感程度的相似性攻擊。敏感程度是敏感屬性的一種有序分類，敏感程度泄露是指攻擊者僅以有限的知識(shí)便得出攻擊對(duì)象的敏感屬性值的敏感程度。本文擴(kuò)展了通用的隱私模型，它既擁有現(xiàn)

4、有隱私模型的保護(hù)能力，又解決了敏感程度泄露問(wèn)題。模型考慮了敏感值的差異并對(duì)敏感值進(jìn)行分級(jí)，稱為敏感級(jí)。該模型不僅適用于單個(gè)敏感屬性，而且適用于多敏感屬性的情形。通過(guò)多樣性模型的實(shí)例來(lái)實(shí)施，并用實(shí)驗(yàn)驗(yàn)證了這一模型在隱私保護(hù)能力和執(zhí)行效率方面的改進(jìn)。此外，還提出了一種敏感值級(jí)別測(cè)量方法以計(jì)算敏感級(jí)。
　　(3)建立了(w，γ，k)-匿名模型，以應(yīng)對(duì)發(fā)布的匿名數(shù)據(jù)中出現(xiàn)的基于敏感屬性有序分類和無(wú)序分類的攻擊。本文從屬性的分類方法著手，將

5、敏感屬性的分類方法歸為有序和無(wú)序兩種類型，從這個(gè)角度考慮基于分類方法的攻擊。本文建立的模型在保護(hù)敏感值與個(gè)體的鏈接的基礎(chǔ)上，從不同敏感級(jí)別隱私保護(hù)差異性的角度出發(fā)，避免了等價(jià)類中記錄的敏感值在有序類別或者無(wú)序類別上的聚集，從而能夠抵御兩類相似性攻擊。本文證明了模型的優(yōu)化問(wèn)題是NP難問(wèn)題，提出了一個(gè)啟發(fā)式的自頂向下局部重編碼算法，實(shí)驗(yàn)部分驗(yàn)證了提出的模型的隱私保護(hù)能力。
　　(4)在流數(shù)據(jù)環(huán)境中，建立了能夠抵御基于敏感屬性有序分類和

6、無(wú)序分類攻擊的隱私保護(hù)模型。該模型根據(jù)流數(shù)據(jù)的動(dòng)態(tài)性特點(diǎn)，將流數(shù)據(jù)緩存到一個(gè)有限的窗口，根據(jù)不同時(shí)刻的數(shù)據(jù)動(dòng)態(tài)調(diào)整敏感屬性的分級(jí)。模型既能夠防止流數(shù)據(jù)遭受基于敏感屬性的有序分類即敏感程度的攻擊，又能夠防止遭受基于敏感屬性的無(wú)序分類的相似性攻擊。最后，采用自頂向下的局部重編碼窗口算法實(shí)施了模型，改善了算法的執(zhí)行效率。
　　綜上所述，本文對(duì)隱私保護(hù)數(shù)據(jù)發(fā)布進(jìn)行了研究，提出了適用于不同隱私需求和應(yīng)用環(huán)境的幾個(gè)隱私保護(hù)模型，實(shí)現(xiàn)了隱私保護(hù)