本文關(guān)鍵詞：基于K-匿名的隱私保護(hù)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著大數(shù)據(jù)時(shí)代的到來(lái)和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,越來(lái)越多的信息在網(wǎng)上被發(fā)布被共享�；ヂ�(lián)網(wǎng)為當(dāng)前的科學(xué)研究、信息交換、數(shù)據(jù)共享提供了平臺(tái),但同時(shí)也為隱私信息保護(hù)技術(shù)提出了新的挑戰(zhàn)。一方面,很多研究機(jī)構(gòu)希望能低成本的拿到需要的信息資源,以便進(jìn)行數(shù)據(jù)分析;另一方面,這些被發(fā)布信息的個(gè)體不希望自己的隱私信息遭到泄露。于是,隱私信息數(shù)據(jù)發(fā)布技術(shù)成為信息安全領(lǐng)域一個(gè)新的研究方向。k?匿名的提出是數(shù)據(jù)發(fā)布中保護(hù)隱私信息的有效辦法,其思想簡(jiǎn)單,易于實(shí)現(xiàn),是當(dāng)前隱私保護(hù)的主流模型。但是其本身也存在有局限性。本文通過(guò)對(duì)k?匿名模型的深入研究,指出了k?匿名模型的不足,并針對(duì)k?匿名的缺陷設(shè)計(jì)了新的改進(jìn)模型。本文的主要工作包括:一、基于前人對(duì)k?匿名的研究成果和解決方案,研究了k?匿名保護(hù)隱私的作用,存在的不足以及國(guó)內(nèi)外現(xiàn)有的對(duì)k?匿名算法的改進(jìn),并分析了幾種較為有影響力的改進(jìn)算法。二、本文對(duì)現(xiàn)有的基于聚類的匿名算法進(jìn)行分析。為了能更好的降低信息損失量,本文提出了一種新的基于聚類的匿名算法MaxDD算法,將基于最大相異度的聚類算法與(?,k)?匿名算法相結(jié)合,并改進(jìn)了經(jīng)典的泛化格模型,從而在更好的達(dá)到隱私保護(hù)的效果的前提下盡可能降低信息損失量。三、本文通過(guò)對(duì)微聚集k-匿名算法的研究,在基于最大相異度聚類的基礎(chǔ)之上,以微聚集技術(shù)代替?zhèn)鹘y(tǒng)的泛化技術(shù),用類質(zhì)心代替類中元組在準(zhǔn)標(biāo)識(shí)符上的值,以實(shí)現(xiàn)匿名化處理。將這種技術(shù)與L-多樣性算法相結(jié)合,降低信息損失量和提高數(shù)據(jù)可實(shí)用性。四、本文通過(guò)實(shí)驗(yàn),對(duì)兩種改進(jìn)算法與已有算法在時(shí)間效率和信息損失量上做出比較,并給出了實(shí)驗(yàn)分析。本文提出的算法均針對(duì)微數(shù)據(jù)中常用的混合型數(shù)據(jù)進(jìn)行。
【關(guān)鍵詞】：k-匿名 聚類 最大相異度 泛化 微聚集
【學(xué)位授予單位】：西北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP309
【目錄】：

• 摘要9-10
• ABSTRACT10-12
• 1 緒論12-16
• 1.1 研究背景及意義12-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀13-14
• 1.3 隱私保護(hù)研究中的難點(diǎn)14
• 1.4 論文的創(chuàng)新點(diǎn)14
• 1.5 本文的基本框架14-16
• 2 關(guān)鍵理論及技術(shù)16-25
• 2.1 k - 匿名模型16-17
• 2.2 (a,k)-匿名模型17-18
• 2.3 l - 多樣性模型（l -diversity ）18-19
• 2.4 T-逼近模型19
• 2.5 k - 匿名信息損失度量19-22
• 2.5.1 DM/DM*度量標(biāo)準(zhǔn)19-20
• 2.5.2 基于熵的度量標(biāo)準(zhǔn)20-21
• 2.5.3 混合型變量的度量標(biāo)準(zhǔn)21-22
• 2.6 數(shù)據(jù)匿名化技術(shù)22-24
• 2.6.1 泛化22-23
• 2.6.2 隱匿23
• 2.6.3 微聚集23
• 2.6.4 其他技術(shù)23-24
• 2.7 本章小結(jié)24-25
• 3 基于聚類的(?,k)-匿名改進(jìn)算法研究25-39
• 3.1 引言25
• 3.2 最大相異度聚類25-28
• 3.2.1 距離度量26-28
• 3.2.2 基于最大相異度聚類28
• 3.3 基于聚類的（?,k）-匿名改進(jìn)算法28-34
• 3.3.1 算法描述28-32
• 3.3.2 信息損失量計(jì)算32
• 3.3.3 算法流程圖32-34
• 3.4 算法正確性與時(shí)間復(fù)雜度34-35
• 3.4.1 算法正確性分析34
• 3.4.2 算法時(shí)間復(fù)雜度分析34-35
• 3.5 實(shí)驗(yàn)結(jié)果35-38
• 3.5.1 數(shù)據(jù)質(zhì)量35-37
• 3.5.2 執(zhí)行效率37-38
• 3.6 本章小結(jié)38-39
• 4 基于微聚集的L-多樣性匿名改進(jìn)算法研究39-53
• 4.1 引言39
• 4.2 L-多樣性39-41
• 4.3 微聚集算法類質(zhì)心判定41-42
• 4.4 基于微聚集的L-多樣性匿名改進(jìn)算法42-49
• 4.4.1 算法描述42-46
• 4.4.2 信息損失量46-48
• 4.4.3 算法流程圖48-49
• 4.5 算法正確性與時(shí)間復(fù)雜度49-50
• 4.5.1 算法正確性分析49
• 4.5.2 算法時(shí)間復(fù)雜度分析49-50
• 4.6 實(shí)驗(yàn)結(jié)果50-52
• 4.6.1 數(shù)據(jù)質(zhì)量50-52
• 4.6.2 執(zhí)行效率52
• 4.7 本章小結(jié)52-53
• 5 總結(jié)與展望53-55
• 5.1 總結(jié)53
• 5.2 展望53-55
• 參考文獻(xiàn)55-59
• 攻讀碩士學(xué)位期間的科研項(xiàng)目59-60
• 致謝60

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 董芳菲;基于K-匿名的隱私保護(hù)算法研究[D];西北師范大學(xué);2015年

  本文關(guān)鍵詞：基于K-匿名的隱私保護(hù)算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：287712