基于线性规划和聚类的M-invariance改进算法

原有的M-invariance算法只能对数据进行添加,为了更好地保护他人的敏感信息,本文提出了基于线性规划和聚类的M-invariance算法。该算法不仅可以对数据进行添加,还可以进行删除操作。此算法通过线性规划可以使更多的数据被分组,聚类可以缩小泛化域的值域,降低数据的信息损失率,提高数据的可用性。实验结果表明,该算法是可行的。

基于改进m-invariance算法的动态数据发布机制

随着数字信息时代的快速发展,人们在享受信息化时代带来的便利的同时,也面临着日益严峻的隐私信息泄露的风险,时下针对个人隐私的攻击频繁发生,这也使人们愈加地认识到保护信息安全的重要性。K-匿名是适用于静态视图数据发布场景下保护用户隐私的重要技术手段,m-invariance算法是适用于动态视图数据发布场景下的隐私保护算法,但m-invariance算法存在对新增数据保护力度欠佳,通信开销偏大的缺点。针对这些缺点,论文利用泛化技术在m-invariance算法的基础上拓展出一种改进算法,通过论证分析证明该算法可以有效弥补m-invariance算法的不足,对个人隐私起到充分的保护效果。