摘要: 针对流数据具有变化无常、 流动极快、 潜在无限等特征, 相比静态数据隐私保护难度更大的问题, 在流数据的基础上提出一种新的数据信息匿名算法, 解决了敏感值及其敏感等级随数据转变而转变的难题, 能有效地避免匿名流数据遭受链接攻击、 相似性攻击以及基于敏感分级的链接攻击威胁. 仿真实验结果表明, 该流数据
匿名模型可有效地保护数据的匿名信息.
中图分类号:
赵素蕊, 高双喜. 基于部分重编码的流数据发布隐私保护算法[J]. 吉林大学学报(理学版), 2018, 56(1): 109-113.
ZHAO Surui, GAO Shuangxi. Privacy Preserving Algorithm Based on Partial Re-encode of Streaming Data[J]. Journal of Jilin University Science Edition, 2018, 56(1): 109-113.