每時每刻通過各類APP產(chǎn)生的大量數(shù)據(jù),造就了大數(shù)據(jù)時代的超速發(fā)展。要想發(fā)現(xiàn)數(shù)據(jù)背后隱藏的價值,就需要在數(shù)據(jù)發(fā)布之后通過數(shù)據(jù)挖掘來發(fā)現(xiàn)。但與此同時也增加了個人隱私泄露的風(fēng)險。因此,在數(shù)據(jù)發(fā)布之前進(jìn)行個體的隱私保護(hù)就顯得十分有必要。而事務(wù)型數(shù)據(jù)作為這些數(shù)據(jù)中一類,由于具有稀疏多維的特點(diǎn),在進(jìn)行隱私保護(hù)時具有一定的難度。因此,本文通過對已有針對事務(wù)型數(shù)據(jù)發(fā)布的隱私保護(hù)關(guān)鍵技術(shù)進(jìn)行研究,從匿名模型和差分隱私模型兩種隱私保護(hù)技術(shù)上展開探究,并解決差分隱私算法中存在的查詢不一致問題。經(jīng)過隱私保護(hù)技術(shù)發(fā)布的事務(wù)型數(shù)據(jù),不僅要保證數(shù)據(jù)的可用性,還要保證數(shù)據(jù)個體的隱私安全性。本文的主要工作為:（1）在現(xiàn)有基于匿名模型的事務(wù)型數(shù)據(jù)發(fā)布隱私保護(hù)研究基礎(chǔ)上,為明確界定事務(wù)數(shù)據(jù)表中的敏感項目與非敏感項目,提出針對事務(wù)型數(shù)據(jù)隱私保護(hù)算法（c,k）-匿名。先利用泛化規(guī)則將事務(wù)記錄的每個項目泛化,生成項目記錄泛化表,構(gòu)造計數(shù)樹,然后根據(jù)隱私需求,設(shè)定閾值c的值,利用計數(shù)樹明確區(qū)分出敏感項目與非敏感項目,使非敏感項目滿足k-匿名,保證一個等價類中具有相同非敏感項目的記錄個數(shù)不少于k個,以達(dá)到保護(hù)數(shù)據(jù)個體敏感項目的作用。... 

【文章來源】：西北師范大學(xué)甘肅省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

數(shù)據(jù)收集和發(fā)布過程

西北師范大學(xué)碩士學(xué)位論文82.1.2匿名技術(shù)目前針對準(zhǔn)標(biāo)識符進(jìn)行操作的匿名技術(shù)包括泛化、抑制、置換和擾動等[67]，其中較為常見的是泛化技術(shù)和抑制技術(shù)。通過利用這些已有的技術(shù)，破環(huán)每個數(shù)據(jù)個體與其所對應(yīng)敏感屬性之間的鏈接關(guān)系，實(shí)現(xiàn)對數(shù)據(jù)個體的隱私保護(hù)。下面對部分技術(shù)進(jìn)行介紹：（1）泛化(Generalization)：泛化主要是針對數(shù)據(jù)集中的屬性值進(jìn)行操作，將屬性值信息模糊化，用范圍更大的值代替準(zhǔn)確值，用泛化樹表示，實(shí)現(xiàn)用數(shù)據(jù)的部分精確度換取數(shù)據(jù)個體隱私信息的保護(hù)。而進(jìn)行泛化的屬性主要分為兩種：數(shù)值型和離散型。如圖2-1所示，是對數(shù)值型屬性進(jìn)行泛化的操作，將20歲到40歲的所有年齡都描述為[20-40)，40歲到60歲的所有年齡都描述為[40-60]，若用戶的隱私需求較高，直接用[20-60]這個區(qū)間值來描述表2-1中的所有數(shù)據(jù)個體。圖2-1數(shù)值型數(shù)據(jù)泛化樹如圖2-2所示，紅酒、白酒都為離散型數(shù)據(jù)，可泛化為酒。圖2-2離散型數(shù)據(jù)泛化樹（2）抑制(Suppression)：抑制是指對數(shù)據(jù)集中具體的屬性值進(jìn)行刪除或者用其他特定的符號代替數(shù)據(jù)的處理方式。抑制的方法主要有兩種：局部抑制和全局抑制。所謂局部抑制是刪除屬性在整個數(shù)據(jù)集中的分布情況，有選擇的刪除部分屬性值以此滿足屬性值在局部分布情況下相似的隱私要求，對屬性值局部抑制的處理會帶來大量的偽關(guān)聯(lián)規(guī)則，雖然這樣的處理速度會較慢，但信息損失相對較校如表2-2所示，Zipcode屬性是局部抑制。而全局抑制是指對屬性中指定的某屬性

西北師范大學(xué)碩士學(xué)位論文82.1.2匿名技術(shù)目前針對準(zhǔn)標(biāo)識符進(jìn)行操作的匿名技術(shù)包括泛化、抑制、置換和擾動等[67]，其中較為常見的是泛化技術(shù)和抑制技術(shù)。通過利用這些已有的技術(shù)，破環(huán)每個數(shù)據(jù)個體與其所對應(yīng)敏感屬性之間的鏈接關(guān)系，實(shí)現(xiàn)對數(shù)據(jù)個體的隱私保護(hù)。下面對部分技術(shù)進(jìn)行介紹：（1）泛化(Generalization)：泛化主要是針對數(shù)據(jù)集中的屬性值進(jìn)行操作，將屬性值信息模糊化，用范圍更大的值代替準(zhǔn)確值，用泛化樹表示，實(shí)現(xiàn)用數(shù)據(jù)的部分精確度換取數(shù)據(jù)個體隱私信息的保護(hù)。而進(jìn)行泛化的屬性主要分為兩種：數(shù)值型和離散型。如圖2-1所示，是對數(shù)值型屬性進(jìn)行泛化的操作，將20歲到40歲的所有年齡都描述為[20-40)，40歲到60歲的所有年齡都描述為[40-60]，若用戶的隱私需求較高，直接用[20-60]這個區(qū)間值來描述表2-1中的所有數(shù)據(jù)個體。圖2-1數(shù)值型數(shù)據(jù)泛化樹如圖2-2所示，紅酒、白酒都為離散型數(shù)據(jù)，可泛化為酒。圖2-2離散型數(shù)據(jù)泛化樹（2）抑制(Suppression)：抑制是指對數(shù)據(jù)集中具體的屬性值進(jìn)行刪除或者用其他特定的符號代替數(shù)據(jù)的處理方式。抑制的方法主要有兩種：局部抑制和全局抑制。所謂局部抑制是刪除屬性在整個數(shù)據(jù)集中的分布情況，有選擇的刪除部分屬性值以此滿足屬性值在局部分布情況下相似的隱私要求，對屬性值局部抑制的處理會帶來大量的偽關(guān)聯(lián)規(guī)則，雖然這樣的處理速度會較慢，但信息損失相對較校如表2-2所示，Zipcode屬性是局部抑制。而全局抑制是指對屬性中指定的某屬性

【參考文獻(xiàn)】：
期刊論文
[1]差分隱私的查詢一致性約束研究[J]. 賈俊杰,陳慧,馬慧芳,牟玉祥.  計算機(jī)工程與科學(xué). 2020(01)
[2]面向時空特性的社會網(wǎng)絡(luò)敏感關(guān)系隱私保護(hù)[J]. 夏秀峰,李曼迪,劉向宇,宗傳玉,李佳佳,朱睿.  計算機(jī)工程與設(shè)計. 2019(06)
[3]抵制軌跡相似性攻擊的軌跡（k,e）-匿名算法[J]. 賈俊杰,黃賀.  計算機(jī)工程與科學(xué). 2019(05)
[4]差分隱私的數(shù)據(jù)流關(guān)鍵模式挖掘方法[J]. 王金艷,劉陳,傅星珵,羅旭東,李先賢.  軟件學(xué)報. 2019(03)
[5]點(diǎn)差分隱私下圖數(shù)據(jù)的度直方圖發(fā)布方法[J]. 張宇軒,魏江宏,李霽,劉文芬,胡學(xué)先.  計算機(jī)研究與發(fā)展. 2019(03)
[6]基于差分隱私的匿名組LBS軌跡隱私保護(hù)模型[J]. 袁健,王迪,高喜龍,王睿寧,林思劼.  小型微型計算機(jī)系統(tǒng). 2019(02)
[7](p,k)匿名數(shù)據(jù)集的增量更新算法[J]. 賈俊杰,閆國蕾,邢里程,陳菲.  計算機(jī)工程與科學(xué). 2018(07)
[8]基于多敏感屬性分級的(αij,k,m)-匿名隱私保護(hù)方法[J]. 王秋月,葛麗娜,耿博,王利娟.  計算機(jī)應(yīng)用. 2018(01)
[9]一種滿足差分隱私的軌跡數(shù)據(jù)發(fā)布方法[J]. 霍崢,孟小峰.  計算機(jī)學(xué)報. 2018(02)
[10]抵制敏感屬性相似性攻擊的（p,k,d）-匿名模型[J]. 賈俊杰,陳露婷.  計算機(jī)工程. 2018(03)

博士論文
[1]基于聚類的匿名化隱私保護(hù)技術(shù)研究[D]. 王平水.南京航空航天大學(xué) 2013

碩士論文
[1]關(guān)系事務(wù)型數(shù)據(jù)發(fā)布中的隱私保護(hù)方法研究[D]. 周思明.廣西師范大學(xué) 2018
[2]事務(wù)型數(shù)據(jù)流發(fā)布的隱私保護(hù)方法研究[D]. 鄧超記.廣西師范大學(xué) 2017
[3]基于分類樹的集值型數(shù)據(jù)發(fā)布隱私保護(hù)研究[D]. 胡艷玲.東華大學(xué) 2017
[4]基于差分隱私保護(hù)的集值型數(shù)據(jù)發(fā)布技術(shù)研究[D]. 黃奚芳.江西理工大學(xué) 2015
[5]動態(tài)集值屬性數(shù)據(jù)重發(fā)布的隱私保護(hù)研究[D]. 武毅.北京工業(yè)大學(xué) 2013
[6]高效的集值屬性數(shù)據(jù)隱私保護(hù)發(fā)布技術(shù)研究[D]. 毛云青.浙江大學(xué) 2011



本文編號：3121908