【摘要】：近年來,信息技術(shù)和數(shù)據(jù)科學(xué)發(fā)展迅猛,并逐漸被應(yīng)用于各個行業(yè)。數(shù)據(jù)挖掘可以發(fā)現(xiàn)潛在的數(shù)據(jù)信息和數(shù)據(jù)間的微妙關(guān)系并將其用于決策制定,然而,敏感和隱私信息也同樣會被挖掘,這將會給數(shù)據(jù)提供者造成安全風(fēng)險。匿名化技術(shù)是一項通過將同一等價類中的用戶準標(biāo)志信息變的不可區(qū)分,從而保護用戶身份或敏感信息不被識別的隱私保護技術(shù)。目前的相關(guān)算法多是針對關(guān)系型等結(jié)構(gòu)型數(shù)據(jù)集而設(shè)計,無法直接用于事務(wù)數(shù)據(jù)集的匿名化。少數(shù)針對事務(wù)數(shù)據(jù)的匿名化算法面臨著數(shù)據(jù)高維度,稀疏型數(shù)據(jù)敏感等問題,從而導(dǎo)致算法時間復(fù)雜度高,信息損失大。此外,現(xiàn)實數(shù)據(jù)中敏感信息往往因人而異,攻擊者的背景知識也往往存在局限性。因此,本文的主要研究為:針對事務(wù)數(shù)據(jù)集的匿名化隱私保護問題,本文提出了一個K-匿名隱私保護數(shù)據(jù)挖掘算法PTA,針對性的解決了事務(wù)數(shù)據(jù)集匿名化時間復(fù)雜度高和信息損失大的問題。本文將最小化信息損失的問題轉(zhuǎn)換為求解TSP問題中的最短環(huán)路問題,并通過一個類似Prim算法的思想求解最短環(huán)路,再通過設(shè)計的映射、投票和篩選操作對信息損失進行優(yōu)化,從而實現(xiàn)了事務(wù)數(shù)據(jù)集的K-匿名隱私保護。此外,本文采用分而治之的思想,以用來降低算法的時間復(fù)雜度。實驗表明,該算法在時間復(fù)雜度和信息損失量方面均優(yōu)于現(xiàn)有算法。針對個性化的匿名化隱私保護問題,本文首次提出了個性化層次事務(wù)數(shù)據(jù)集的隱私保護問題。同時,考慮到傳統(tǒng)的L-多樣性隱私保護技術(shù)存在的缺陷,本文提出了一個(L,P)-多樣性的隱私保護概念,并在此基礎(chǔ)上提出了一個貪婪的Lnn-means算法。該算法首先通過層次泛化和矩陣化方法將原始數(shù)據(jù)轉(zhuǎn)換為類似關(guān)系數(shù)據(jù)集的形式,并采用聚類技術(shù)將相似度較高的事務(wù)記錄進行聚類。最后,通過優(yōu)先對信息損失量小且滿足(L,P)-多樣性的事務(wù)記錄進行等價類生成,從而實現(xiàn)了(L,P)-多樣性隱私保護。事實上,Lnn-means算法不僅彌補了傳統(tǒng)L-多樣性隱私保護技術(shù)的缺陷,還在一定程度上避免了L-多樣性隱私保護可能面臨的語義攻擊問題,隱私保護能力更強,安全性更高。總體來說,本文針對性的解決了事務(wù)數(shù)據(jù)集和個性化事務(wù)數(shù)據(jù)的匿名化隱私保護問題。大量的實驗證明,本文所提出的框架與算法在實現(xiàn)匿名化需求上是可行且有效的。
[Abstract]:In recent years, the rapid development of information technology and data science, and gradually applied to various industries. Data mining can discover potential data information and the subtle relationship between data and use it in decision-making, however, sensitive and privacy information will also be mined, which will cause security risks to data providers. Anonymization is a privacy protection technology which can protect users' identity or sensitive information from identification by changing the user quasi-flag information in the same equivalent class into indistinguishable information. At present, most of the related algorithms are designed for relational and other structured datasets, and can not be directly used for anonymization of transaction datasets. A few anonymous algorithms for transaction data are faced with problems such as high dimension and sparse data sensitivity, which lead to high time complexity and large loss of information. In addition, sensitive information in real data often varies from person to person, and attacker's background knowledge often has limitations. Therefore, the main research of this paper is as follows: for the problem of anonymized privacy protection of transaction data sets, this paper proposes a K-anonymous privacy protection data mining algorithm, PTA,. It solves the problems of high time complexity and information loss in transaction data set concealment. In this paper, the problem of minimizing information loss is transformed into solving the shortest loop problem in the TSP problem, and the shortest loop problem is solved by an idea similar to the Prim algorithm, and then the information loss is optimized by mapping, voting and filtering operations designed. Thus, the K-anonymity privacy protection of transaction data set is realized. In addition, the idea of divide-and-conquer is used to reduce the time complexity of the algorithm. Experimental results show that the proposed algorithm is superior to the existing algorithms in terms of time complexity and information loss. In this paper, the privacy protection of personalized hierarchical transaction data set is proposed for the first time in order to solve the privacy protection problem of personalization anonymity. At the same time, considering the shortcomings of the traditional L-diversity privacy protection technology, this paper proposes a concept of (L, P)-diversity privacy protection, and then proposes a greedy Lnn-means algorithm based on the concept of (L, P)-diversity privacy protection. Firstly, the original data is transformed into similar relational data set by hierarchical generalization and matrix method, and the transaction records with high similarity are clustered by clustering technology. Finally, the (L, P)-privacy protection of (L, P)-diversity is realized by generating equivalent classes of transaction records satisfying (L, P)-diversity, which are small amount of information loss and satisfying (L, P)-diversity. In fact, the Lnn-means algorithm not only makes up for the shortcomings of the traditional L-diversity privacy protection technology, but also avoids the semantic attack problem that the L-diversity privacy protection may face to a certain extent, and the privacy protection ability is stronger and the security is higher. In general, this paper solves the privacy protection problem of transaction data set and personalized transaction data. A large number of experiments show that the proposed framework and algorithm are feasible and effective in realizing anonymization requirements.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP309;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 ;守住你的秘密——隱私保護神[J];計算機與網(wǎng)絡(luò);2002年05期

2 李學(xué)聚;;新時期讀者隱私保護探析[J];科技情報開發(fā)與經(jīng)濟;2006年13期

3 管重;;誰偷窺了你的隱私[J];數(shù)字通信;2007年15期

4 孔為民;;大學(xué)圖書館與隱私保護[J];科技情報開發(fā)與經(jīng)濟;2007年26期

5 尹凱華;熊璋;吳晶;;個性化服務(wù)中隱私保護技術(shù)綜述[J];計算機應(yīng)用研究;2008年07期

6 高楓;張峰;周偉;;網(wǎng)絡(luò)環(huán)境中的隱私保護標(biāo)準化研究[J];電信科學(xué);2013年04期

7 高密;薛寶賞;;我的電腦信息 隱私保護很強大[J];網(wǎng)友世界;2010年11期

8 ;為自己的電子商務(wù)設(shè)計隱私保護[J];個人電腦;2000年07期

9 ;隱私保護的10個準則[J];個人電腦;2000年07期

10 岑婷婷;韓建民;王基一;李細雨;;隱私保護中K-匿名模型的綜述[J];計算機工程與應(yīng)用;2008年04期

相關(guān)會議論文 前10條

1 鄭思琳;陳紅;葉運莉;;實習(xí)護士病人隱私保護意識和行為調(diào)查分析[A];中華護理學(xué)會第8屆全國造口、傷口、失禁護理學(xué)術(shù)交流會議、全國外科護理學(xué)術(shù)交流會議、全國神經(jīng)內(nèi)、外科護理學(xué)術(shù)交流會議論文匯編[C];2011年

2 孫通源;;基于局部聚類和雜度增益的數(shù)據(jù)信息隱私保護方法探討[A];中國水利學(xué)會2013學(xué)術(shù)年會論文集——S4水利信息化建設(shè)與管理[C];2013年

3 張亞維;朱智武;葉曉俊;;數(shù)據(jù)空間隱私保護平臺的設(shè)計[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

4 公偉;隗玉凱;王慶升;胡鑫磊;李換雙;;美國隱私保護標(biāo)準及隱私保護控制思路研究[A];2013年度標(biāo)準化學(xué)術(shù)研究論文集[C];2013年

5 張鵬;于波;童云海;唐世渭;;基于隨機響應(yīng)的隱私保護關(guān)聯(lián)規(guī)則挖掘[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

6 桂瓊;程小輝;;一種隱私保護的分布式關(guān)聯(lián)規(guī)則挖掘方法[A];2009年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(下冊)[C];2009年

7 俞笛;徐向陽;解慶春;劉寅;;基于保序加密的隱私保護挖掘算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

8 李貝貝;樂嘉錦;;分布式環(huán)境下的隱私保護關(guān)聯(lián)規(guī)則挖掘[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2005年

9 徐振龍;郭崇慧;;隱私保護數(shù)據(jù)挖掘研究的簡要綜述[A];第七屆（2012）中國管理學(xué)年會商務(wù)智能分會場論文集（選編）[C];2012年

10 潘曉;郝興;孟小峰;;基于位置服務(wù)中的連續(xù)查詢隱私保護研究[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

相關(guān)重要報紙文章 前10條

1 記者 李舒瑜;更關(guān)注隱私保護和人格尊重[N];深圳特區(qū)報;2011年

2 荷蘭鹿特丹醫(yī)學(xué)中心博士 吳舟橋;荷蘭人的隱私[N];東方早報;2012年

3 本報記者 周靜;私密社交應(yīng)用風(fēng)潮來襲 聚焦小眾隱私保護是關(guān)鍵[N];通信信息報;2013年

4 獨立分析師 陳志剛;隱私管理應(yīng)歸個人[N];通信產(chǎn)業(yè)報;2013年

5 本報記者 朱寧寧;商業(yè)利益與隱私保護需立法平衡[N];法制日報;2014年

6 袁元;手機隱私保護萌發(fā)商機[N];證券日報;2014年

7 王爾山;跟隱私說再見[N];21世紀經(jīng)濟報道;2008年

8 記者 武曉黎;360安全瀏覽器推“隱私瀏覽”模式[N];中國消費者報;2008年

9 早報記者 是冬冬;“美國隱私保護法律已過時”[N];東方早報;2012年

10 張曉明;隱私的兩難[N];電腦報;2013年

相關(guān)博士學(xué)位論文 前10條

1 孟祥旭;基于位置的移動信息服務(wù)技術(shù)與應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 蘭麗輝;基于向量模型的加權(quán)社會網(wǎng)絡(luò)發(fā)布隱私保護方法研究[D];江蘇大學(xué);2015年

3 柯昌博;云服務(wù)組合隱私分析與保護方法研究[D];南京航空航天大學(xué);2014年

4 李敏;基于位置服務(wù)的隱私保護研究[D];電子科技大學(xué);2014年

5 陳東;信息物理融合系統(tǒng)安全與隱私保護關(guān)鍵技術(shù)研究[D];東北大學(xué);2014年

6 張柯麗;信譽系統(tǒng)安全和隱私保護機制的研究[D];北京郵電大學(xué);2015年

7 Kamenyi Domenic Mutiria;[D];電子科技大學(xué);2014年

8 孫崇敬;面向?qū)傩耘c關(guān)系的隱私保護數(shù)據(jù)挖掘理論研究[D];電子科技大學(xué);2014年

9 劉向宇;面向社會網(wǎng)絡(luò)的隱私保護關(guān)鍵技術(shù)研究[D];東北大學(xué);2014年

10 高勝;移動感知計算中位置和軌跡隱私保護研究[D];西安電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉乾坤;基于匿名化的隱私保護數(shù)據(jù)挖掘技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2017年

2 鄒朝斌;SNS用戶隱私感知與自我表露行為的關(guān)系研究[D];西南大學(xué);2015年

3 李汶龍;大數(shù)據(jù)時代的隱私保護與被遺忘權(quán)[D];中國政法大學(xué);2015年

4 孫琪;基于位置服務(wù)的連續(xù)查詢隱私保護研究[D];湖南工業(yè)大學(xué);2015年

5 尹惠;無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合隱私保護技術(shù)研究[D];西南交通大學(xué);2015年

6 王鵬飛;位置服務(wù)中的隱私保護技術(shù)研究[D];南京理工大學(xué);2015年

7 顧鋮;基于關(guān)聯(lián)規(guī)則的隱私保護算法研究[D];南京理工大學(xué);2015年

8 崔堯;基于匿名方案的位置隱私保護技術(shù)研究[D];西安工業(yè)大學(xué);2015年

9 畢開圓;社會網(wǎng)絡(luò)中用戶身份隱私保護模型的研究[D];大連海事大學(xué);2015年

10 黃奚芳;基于差分隱私保護的集值型數(shù)據(jù)發(fā)布技術(shù)研究[D];江西理工大學(xué);2015年

，

本文編號：2437326