个性化(p,α,k)-匿名隐私保护算法

• 作者: 方睿 蒲东
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 个性化隐私保护 泛化 k 匿名模型 敏感属性 敏感度
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 安全技术
• 页码范围: 301-307
• 页数: 7页
• 分类号: TP391.1
• 字数: 6135字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.02.047

摘要

目前大多数个性化隐私保护算法,对敏感属性的保护方法可以分为两种:一种是对不同的敏感属性设置不同的阈值;另一种是泛化敏感属性,用泛化后的精度低的值取代原来的敏感属性值.两种方法匿名后的数据存在敏感信息泄露的风险或信息损失较大,以及数据可用性的问题.为此,提出个性化(p,α,k)匿名隐私保护算法,根据敏感属性的敏感等级,对等价类中各等级的敏感值采用不同的匿名方法,从而实现对敏感属性的个性化隐私保护.实验表明,该算法较其他个性化隐私保护算法有近似的时间代价,更低的信息损失.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方睿		25	82	5.0	7.0
2	蒲东		2	0	0.0	0.0