基于敏感等级划分的（l，t）-相近性匿名算法

• 作者: 张健沛 张冰 杨静 谢静
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐私保护 敏感等级 (l,t)-相近性 自信息 Hellinger距离 聚类 匿名
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 12-17
• 页数: 6页
• 分类号: TP309.2
• 语种: 中文
• DOI: 10.13245/j.hust.140803

摘要

针对 t-相近性模型实现方法信息损失大和算法执行代价高的问题，提出一种基于敏感等级划分的（l ， t）-相近性模型。该模型放宽了 t-相近性模型对等价类的约束，要求等价类中敏感等级的分布与数据集中敏感等级的分布间距离不大于阈值 t ，并使用Hellinger距离度量敏感等级分布间的距离，以避免传统EMD距离须人工设定基准距离、计算量高的问题；同时，提出了一种基于聚类的（l ，t）-相近性匿名算法（（l ，t）-CCA），使用敏感值的自信息来度量敏感度以实现敏感属性的等级划分，并以聚类的思想形成等价类来实现（ l ，t）-相近性模型。实验结果表明：该算法不仅能够抵御相似性攻击，而且信息损失低，时间开销少，能够更加有效地实现数据发布中数据的可用性与隐私安全间的平衡。

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