面向大数据的个性化检索中用户匿名化方法

• 作者: XIONG Li 康海燕
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 用户兴趣模型 匿名化 隐私保护 信息安全 差分隐私
• 年，卷（期）: 2014,（5）
• 页码范围: 148-154,160
• 页数: 8页
• 分类号: TP312
• 字数: 5074字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2014.05.025

摘要

为解决大数据中个性化检索技术所潜在的用户隐私安全和提升个性化信息检索性能之间的矛盾，提出了基于差分隐私与p-link技术相结合的用户兴趣模型匿名化方法。首先对用户的准标示符进行泛化并添加噪音满足差分隐私保护要求，最大化统计数据库中的查询精度，同时最小化识别个体及属性的概率；其次根据用户兴趣之间的相似性将其微聚为满足p-link的等价组，并计算微聚后等价组兴趣条目的权值和等价组质心；最后发布匿名化的数据。大量实验证明：该方法结合差分隐私与p-link两者的特性，实现用户兴趣模型匿名化且用户兴趣基本不发生改变，既能保护用户的隐私信息，又能保证个性化检索性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康海燕	北京信息科技大学信息管理学院信息安全系	53	156	7.0	10.0