面向聚类挖掘的个性化隐私保护算法

• 作者: 冯光升 孟宇龙 张子迎 徐东 李贤
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 信息安全 隐私保护 个性化 聚类挖掘 隐私度 多视图
• 年，卷（期）: 2018,（11）
• 页码范围: 1779-1785
• 页数: 7页
• 分类号: TP3-05
• 字数: 6451字
• 语种: 中文
• DOI: 10.11990/jheu.201707097

摘要

针对数据挖掘过程中隐私保护问题,本文提出一种面向聚类挖掘的个性化隐私保护算法.该算法界定了隐私度概念及其编码表示,并构造了由原始数据和隐私度共同描述的隐私数据模型.同时对隐私数据进行拓扑分类以获得隐私数据敏感性的线序集.该算法在原始数据、隐私度、元组敏感度、隐私线序集等视图上进行多视图聚类,结合可变k-匿名策略提出面向多视图聚类的满足个性化需求的隐私保护算法,以对不同聚类簇以及同簇内部元组施加程度有别的个性化保护操作.该算法在一定程度上降低了隐私数据在聚类挖掘过程中泄漏的风险.实验结果表明该算法具有较低的信息损失和较好的运行效率,实验验证了所提算法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐东	哈尔滨工程大学计算机与科学技术学院	20	105	7.0	9.0
2	冯光升	哈尔滨工程大学计算机与科学技术学院	51	237	8.0	13.0
3	张子迎	哈尔滨工程大学计算机与科学技术学院	15	53	4.0	7.0
4	孟宇龙	哈尔滨工程大学计算机与科学技术学院	14	33	3.0	5.0
5	李贤	哈尔滨工程大学计算机与科学技术学院	2	1	1.0	1.0