基于熵分类的个性化隐私匿名方法

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (01): 179-185.

基于熵分类的个性化隐私匿名方法

王波^1,2, 杨静¹, 张健沛¹

1. 哈尔滨工程大学计算机科学与技术学院, 哈尔滨 150000;
2. 哈尔滨理工大学自动化学院, 哈尔滨 150080

收稿日期:2011-11-14 出版日期:2013-01-01 发布日期:2013-01-01
作者简介:王波(1982-),男,讲师,博士研究生.研究方向:隐私保护,数据库安全.E-mail:hust_wb@126.com
基金资助:
国家自然科学基金项目(61073041,61073043,61100008,61172167);黑龙江省自然科学基金项目(F200901,F201023);哈尔滨市优秀学科带头人基金项目(2010RFXXG002,2011RFXXG015);中央高校基本科研业务费专项项目(HEUCF061002).

Entropy-based classification approach for personalized privacy anonymity

WANG Bo^1,2, YANG Jing¹, ZHANG Jian-pei¹

1. College of Computer Science and Technology, Harbin Engineering University, Harbin 150000, China;
2. School of Automation, Harbin University of Science and Technology, Harbin 150080, China

Received:2011-11-14 Online:2013-01-01 Published:2013-01-01

摘要/Abstract

摘要： 针对传统(α, k)-匿名模型不能满足敏感属性值之间不同隐私保护程度个性化需求的问题,引入敏感属性值个性隐私敏感因子和个性隐私保护需求度的概念,进而形式化地定义了个性化(α, k)-匿名模型;同时,还提出了一种基于熵分类的个性化隐私匿名方法来实现个性化(α, k)-匿名模型。实验表明:该方法不仅能获得与现有(α, k)-匿名算法近似的信息损失度和时间代价,同时也满足了个性化服务的需求,获得更合理的隐私保护。

关键词: 计算机应用, 隐私保护, (&alpha, k)-匿名, 熵分类, 个性化

Abstract: To solve the defects of the traditional (α, k)-anonymity model has the defect that it does not satisfy the personalized requirement of different privacy preserving degree for different sensitive attributed values. To overcome this defect, the concepts of personalized privacy sensitive factor and personalized privacy preserving requirement degrees for each sensitive attribute value are introduced. Then the personalized (α, k)-anonymity model is defined formally. Meanwhile, an entropy-based classification approach for personalized privacy anonymity is presented to solve this personalized (α, k)-anonymity model. Experiment results show that the proposed method not only produces similar information loss and time cost to the existing (α, k)-anonymity algorithm, but also meets the requirements of personalized service and achieves more reasonable privacy preservation.

Key words: computer application, privacy preserving, (&alpha, , k)-anonymity, entropy classification, personalized

中图分类号:

TP393

王波, 杨静, 张健沛. 基于熵分类的个性化隐私匿名方法[J]. 吉林大学学报(工学版), 2013, 43(01): 179-185.

WANG Bo, YANG Jing, ZHANG Jian-pei. Entropy-based classification approach for personalized privacy anonymity[J]. 吉林大学学报(工学版), 2013, 43(01): 179-185.

参考文献

[1] Sweenty L. k-anonymity: a model for protecting privacy[J]. International Journal on Uncertainty, Fuzziness and Knowledge-based Systems, 2002, 10(5): 557-570.

[2] Machanavajjhala A, Kifer D, Gehrke J, et al. l-diversity: privacy beyond k-anonymity[J]. ACM Transactions on Knowledge Discovery from Data, 2007, 1(1):1-52.

[3] Li N H, Li T C, Venkatasubramanian S. t-closeness: privacy beyond k-anonymity and l-diversity//Proceedings of the 23rd IEEE International Conference on Data Engineering, 2007: 106-115.

[4] Wong R C W, Li J Y, Fu A W C, et al. (α, k)-anonymous data publishing[J]. Journal of Intelligent Information Systems, 2009, 33(2): 209-234.

[5] Xiao X K, Tao Y F. Personalized privacy preservation//Proceedings of the ACM SIGMOD International Conference on Management of Data, 2006: 229-240.

[6] 韩建民,于娟,虞慧群,等. 面向敏感值的个性化隐私保护[J]. 电子学报, 2010, 38(7): 1723-1728. Han Jian-min, Yu Juan, Yu Hui-qun, et al. Individuation privacy preservation oriented to sensitive values[J]. Acta Electronic Sinica, 2010, 38(7):1723-1728.

[7] Wang Ke, Yu P S, Chakraborty S. Bottom-up generalization: a data mining solution to privacy protection//Proceedings of the IEEE International Conference on Data Mining, Brighton, UK, 2004:249-256.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed