半监督聚类的匿名数据发布

• 作者: 张健沛 杨静 杨高明
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 数据发布 隐私保护 匿名数据 半监督 聚类
• 年，卷（期）: 2011,（11）
• 页码范围: 1489-1494
• 分类号: TP309.2
• 字数: 6427字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.2011.11.017

摘要

为增强个体与隐私信息的保护力度,提高数据效用和降低时间代价,提出半监督聚类的(α,k)匿名模型,并设计算法予以实现,分析了算法时间复杂度.针对数据集包含数值属性和分类属性的特点,把数值属性和分类属性映射到相同的度量空间进行运算,以相异矩阵表示数据集元组之间的距离,使相同或者相近的元组有效地聚集到同一个簇内.把高敏感度属性设置较高的保护度,低敏感度设置较低的保护度,实现了敏感属性的个性化保护.实验结果表明,半监督(α,k)匿名模型可安全且高效地实现隐私保护,保证了发布数据的质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健沛	哈尔滨工程大学计算机科学与技术学院	156	1356	19.0	28.0
2	杨静	哈尔滨工程大学计算机科学与技术学院	178	2073	24.0	37.0
3	杨高明	哈尔滨工程大学计算机科学与技术学院	3	72	3.0	3.0