發(fā)布時間：2023-04-23 13:27

　　數(shù)據(jù)匿名化因其安全性和有效性所特有的優(yōu)勢,常被用于解決數(shù)據(jù)發(fā)布的隱私泄露問題。針對相似性攻擊造成隱私泄露的問題,本文提出(r,k)–匿名模型,基于敏感屬性鄰近關(guān)聯(lián),設(shè)定鄰近抵抗閾值,并設(shè)計滿足(r,k)–匿名模型的匿名算法GDPPR(Generalized data for privacy proximity resistance)。采用基于(r,k)–匿名模型改進的模糊聚類技術(shù)完成簇的劃分,得出隸屬矩陣,使得每個等價類中具備鄰近關(guān)聯(lián)的敏感屬性取值頻率不高于閾值。保證匿名化后數(shù)據(jù)可以滿足用戶的隱私保護需求,并且具備較高的使用價值。本文主要基于以下兩個關(guān)鍵點進行研究:1.研究敏感屬性鄰近抵抗的匿名模型并設(shè)計滿足(r,k)–匿名模型GDPPR匿名算法。針對相似性攻擊會造成隱私泄露的問題,本文提出了(r,k)–匿名模型。要求匿名后的數(shù)據(jù)表在滿足k-匿名模型的基礎(chǔ)上,在同一等價類當中具備鄰近關(guān)聯(lián)的敏感屬性取值頻率不超過閾值r。有效的降低了攻擊者通過相似性攻擊獲取目標敏感信息概率,并通過實驗驗證(r,k)–匿名模型的匿名效果。2.研究GDPPR算法中數(shù)據(jù)的可用性。GDPPR算法通過模糊聚類技術(shù)完...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究目標及研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 相關(guān)技術(shù)分析
    2.1 隱私保護概述
    2.2 隱私保護策略
    2.3 數(shù)據(jù)匿名
        2.3.1 數(shù)據(jù)角色劃分
        2.3.2 屬性劃分
        2.3.3 k-匿名模型
        2.3.4 匿名模型實現(xiàn)
        2.3.5 等價類
    2.4 常見攻擊與匿名模型
        2.4.1 攻擊模式
        2.4.2 匿名模型
    2.5 匿名評估機制
        2.5.1 信息損失
        2.5.2 隱私泄露評估
    2.6 本章小結(jié)
第3章 基于敏感信息鄰近抵抗的匿名方法
    3.1 (r,k)-匿名模型
    3.2 模糊聚類
    3.3 距離度量及匿名評估
        3.3.1 距離度量
        3.3.2 匿名評估度量
    3.4 GDPPR算法
        3.4.1 算法思想
        3.4.2 算法描述
        3.4.3 算法實現(xiàn)
    3.5 算法分析
        3.5.1 正確性分析
        3.5.2 數(shù)據(jù)可用性分析
        3.5.3 隱私泄露風(fēng)險分析
        3.5.4 時間復(fù)雜度分析
    3.6 本章小結(jié)
第4章 實驗與結(jié)果分析
    4.1 實驗環(huán)境
    4.2 實驗數(shù)據(jù)集
        4.2.1 數(shù)據(jù)集選取
        4.2.2 數(shù)據(jù)預(yù)處理
    4.3 Adult數(shù)據(jù)集
        4.3.1 Adult數(shù)據(jù)集實驗結(jié)果
        4.3.2 Adult數(shù)據(jù)集可用性分析
        4.3.3 Adult數(shù)據(jù)集泄露風(fēng)險分析
        4.3.4 Adult數(shù)據(jù)集時間復(fù)雜度分析
    4.4 Census-Income數(shù)據(jù)集
        4.4.1 Census-Income數(shù)據(jù)集實驗結(jié)果
        4.4.2 Census-Income數(shù)據(jù)集可用性分析
        4.4.3 Census-Income數(shù)據(jù)集泄露風(fēng)險分析
        4.4.4 Census-Income數(shù)據(jù)集時間復(fù)雜度分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
攻讀學(xué)位期間研究成果
致謝



本文編號：3799812