基于先验知识的视图发布安全问题的研究

视图发布是数据交换和数据共享的有效手段,但是视图发布过程中有可能造成敏感信息的泄漏.因此,保证视图发布的安全问题成为数据库安全的一个新的研究课题.基于概率模型的思想,给出先验知识的定义;提出测量与消除信息泄漏的方法;并在此基础上,提出候选集个数的求解算法.视图安全判定算法及基于泛化法的消除信息泄漏算法.实验表明,采用泛化法能够有效的消除信息泄漏,保证视图发布的安全.

基于k-匿名的视图发布安全问题的研究

视图发布作为信息交换的一种有效手段,为数据交换和数据共享提供了便利,但视图发布过程中的敏感信息泄漏问题也愈加严重,已成为数据库安全方面一个新的研究热点. k-匿名方法是视图发布条件下保护数据隐私的一种重要方法.基于该方法,研究了视图发布过程中的安全问题,给出了用于判定视图集安全的视图安全判定定理,提出了视图安全判定算法及消除视图集信息泄漏的最小泛化算法,分析了算法的时间复杂度,并用实验验证了算法的有效性.

基于全集的复杂模式匹配

模式匹配是数据集成和数据转换中的重要问题.现有的模式匹配方法大多集中于发掘模式间的1:1匹配,然而,在现实世界模式之间除了1:1匹配还包括很多的复杂匹配.提出一种基于全集的复杂模式匹配方法,它可应用模式和映射的全集为被匹配模式添加信息;然后,利用多个具有特殊目的的检索程序分别对候选空间的特殊部分进行检索,发掘1:1和复杂匹配;最后通过学习全集中元素及元素间关系的统计,自动推导出可过滤候选匹配的约束,生成最优的匹配.实验表明,该方法不仅能全面地发掘模式间匹配,与其他复杂模式匹配方法相比,还具有较高的查全率和查准率.