面向動態(tài)數據集重發(fā)布的隱私保護研究.pdf

1、隨著數據挖掘和數據發(fā)布等數據應用的出現與發(fā)展,如何保護隱私數據和防止敏感信息泄露成為當前面臨的重大挑戰(zhàn)。匿名化技術由于能在保護隱私信息的同時,保證對外發(fā)布數據的真實性,適用于眾多領域的應用,成為近年來隱私保護技術研究領域的熱點。
　　 但是,大多數現有的匿名發(fā)布研究都是基于靜態(tài)數據集進行的,即假設需要匿名化的數據集不存在任何更新,且只需要發(fā)布一次。最近,人們開始關注如何對具有外部更新的動態(tài)數據集進行匿名化:當數據集存在舊數據刪除

2、和新數據插入這樣的更新時,如何對其匿名化和發(fā)布。但是,與靜態(tài)數據集相比,動態(tài)數據集的匿名化面臨著更多挑戰(zhàn):1)由于動態(tài)數據集會隨著時間的推移不斷發(fā)生變化,因此常常需要在不同時刻對數據集進行匿名化和重發(fā)布;2)在實際應用中,動態(tài)數據集除了具有外部更新,還存在內部更新,即數據集所包含記錄的屬性值會動態(tài)更新。
　　 本文對同時包含外部更新和內部更新的完全動態(tài)數據集的匿名化進行了研究。本文以典型的現有匿名化方法為例,對已有方法不能對完全

3、動態(tài)數據集進行安全匿名化進行了探討。除了對動態(tài)數據集以及各種更新行為進行了正式定義和理論分析外,本文還首先提出了通用的、適用于所有匿名化重發(fā)布問題的隱私揭露框架和揭露風險評估理論。針對完全動態(tài)數據集的匿名化問題,本文提出了一個基于泛化的匿名化重發(fā)布原則m-Distinct。遵循m-Distinct原則的匿名重發(fā)布,能在發(fā)布真實有效數據的同時,保證隱私信息的安全。本文還設計了一個實現m-Distinct原則的算法?；谡鎸崝祿膶嶒灡砻?/p>