基于属性相关性划分的多敏感属性隐私保护方法

• 作者: 张健沛 张冰 杨静 谢静
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 隐私保护 多敏感属性 l-多样性 属性相关性 划分
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 学术论文
• 页码范围: 1718-1723
• 页数: 6页
• 分类号: TP309.2
• 字数: 5411字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2014.09.009

摘要

近年来，基于 l-多样性的多维敏感属性的隐私保护研究日趋增多，然而大部分多敏感属性隐私保护方法都是基于有损分解的思想，破坏了数据间的关系，降低了数据效用。为此，提出了一种面向多敏感属性的隐私模型，首先给出一种 l-maximum原则用以满足多敏感属性 l-多样性要求；其次，为了保护属性间的相关性，根据属性间的依赖度对属性进行划分；最后设计并实现了MSA l-maximum （Multiple Sensitive Attributes l-maximum ）算法。实验结果表明，提出的模型在保护隐私不泄露的同时，减少了元组的隐匿率，并且保护了数据间的关系。

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	谢静	哈尔滨工程大学计算机科学与技术学院	12	88	5.0	9.0
4	张冰	哈尔滨工程大学计算机科学与技术学院	50	351	11.0	16.0