隨著信息化時代的到來,以及Internet技術、數據存儲和數據共享技術的飛速發(fā)展,大量的信息和數據被各類機構收集、存儲和發(fā)布。數據挖掘和數據發(fā)布成為數據庫應用方面最為重要的兩個領域,數據挖掘會收集大量的數據并從中抽取出潛在有價值的知識,而數據發(fā)布會將數據直接地展現給各用戶和機構,而伴隨這些數據收集和發(fā)布過程,隱私泄露的問題也日漸突出。因此如何保護隱私數據不被泄露,已成為眾多學者最近幾年來的熱門研究方向。匿名化的概念自1998年第一次被提出,各種匿名原則和技術的研究在不斷深入。為滿足個體的隱私自治需求,個性化匿名成為當前隱私保護中的熱點問題。如何在匿名化保護的過程中還保證數據具有較高的可用性,是個性化匿名保護中的研究重點,同時,k-匿名、1-多樣性匿名等往往不能低于相似性攻擊。因此,結合敏感屬性值的語義相似關系,如何使個性化匿名在滿足個性化隱私保護需求的基礎上,還能抵御相似性攻擊并且盡量減少數據的信息損失,就是本文研究的目的。為此提出一種基于敏感屬性值語義的個性化(α,1)-匿名模型,模型將敏感度這一屬性設置給不同的敏感屬性值,通過定義等敏感度組的概念來控制其在等價類中的出現總頻率,控制...

【文章頁數】：58 頁

【學位級別】：碩士

【文章目錄】：
內容摘要
Abstract
第1章 導論
    1.1 研究背景
    1.2 研究目的和意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 國內外研究概況
        1.3.1 數據發(fā)布中隱私保護問題
        1.3.2 匿名化技術的研究概況
        1.3.3 個性化匿名方法的研究概況
    1.4 研究內容及結構安排
        1.4.1 研究內容
        1.4.2 結構安排
    1.5 研究方法及創(chuàng)新之處
        1.5.1 研究方法
        1.5.2 創(chuàng)新之處
第2章 匿名化隱私保護的相關知識
    2.1 隱私保護的基礎理論
        2.1.1 隱私的概念
        2.1.2 隱私保護的研究方向
        2.1.3 隱私保護的技術
    2.2 數據發(fā)布中的隱私保護
        2.2.1 基本概念
        2.2.2 匿名模型
        2.2.3 匿名化方法
        2.2.4 匿名的度量
    2.3 本章小結
第3章 基于敏感屬性值語義的個性化(α,l)-匿名模型
    3.1 個性化匿名及語義相似的問題分析
        3.1.1 個性化匿名方法的分析
        3.1.2 敏感屬性值語義相似的分析
    3.2 論文研究的問題提出
    3.3 基于敏感屬性值語義的個性化(α,l)-匿名模型
        3.3.1 模型建立的思路
        3.3.2 相關概念及定義
        3.3.3 基于敏感屬性值語義的個性化(α,l)-匿名模型
    3.4 本章小結
第4章 基于敏感屬性值語義的個性化(α,l)-匿名算法
    4.1 匿名算法中的聚類問題
        4.1.1 1-多樣性聚類問題
        4.1.2 基于敏感度的個性化(α,l)聚類問題
    4.2 距離度量與代價模型
        4.2.1 距離度量
        4.2.2 代價模型
    4.3 算法設計
        4.3.1 設計思路
        4.3.2 算法描述
    4.4 算法分析
        4.4.1 正確性分析
        4.4.2 復雜性分析
        4.4.3 安全性分析
    4.5 本章小結
第5章 實驗及結果分析
    5.1 實驗設計
    5.2 實驗結果及分析
        5.2.1 隱私保護度分析
        5.2.2 信息損失度分析
        5.2.3 執(zhí)行時間分析
    5.3 本章小結
第6章 總結與展望
    6.1 研究總結
    6.2 研究展望
參考文獻
后記



本文編號：3843491