用于敏感属性保护的(θ,k)-匿名模型

• 作者: 刘树波 张家浩 熊星星 程楠楠 蔡朝晖
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 敏感属性保护 (θ,k)-匿名模型 距离度量
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 42-47
• 页数: 6页
• 分类号: TP309
• 字数: 5486字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2018270

摘要

提出一种(θ,k)-匿名模型,通过对记录进行语义分析确定敏感属性值的相似或相异性,将一个确定了k值的等价类分成θ组,使记录在组内保持敏感属性值相似,在组间保持敏感属性值相异,并采用距离度量方法划分等价类.实验结果表明,(θ,k)-匿名模型可以在较低的信息损失下,同时抵制背景知识与相似性双重攻击.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘树波	武汉大学计算机学院	44	113	7.0	8.0
2	蔡朝晖	武汉大学计算机学院	19	107	6.0	10.0
3	程楠楠	武汉大学计算机学院	1	1	1.0	1.0
4	熊星星	武汉大学计算机学院	4	3	1.0	1.0
5	张家浩	武汉大学计算机学院	1	1	1.0	1.0