泛化视图及其更新一致性维护问题

泛化视图是一种新出现的数据发布形式。与经典的物化视图不同,泛化视图中的数据是通过对物化视图中数据进行泛化操作得到的。当基础数据库发生更新操作时,如何对泛化视图进行一致性维护是一个亟待解决的问题。分析了泛化视图在对基础数据库进行插入、删除、修改更新操作时可能出现的更新反应;提出了多维桶的概念,并给出了多维桶的构造方法及相关操作;在此基础上,对于基础数据库的不同更新操作,分别给出了基于多维桶的泛化视图更新一致性算法,解决了泛化视图的更新一致性维护问题。

多维敏感属性流数据发布的隐私保护方法

在很多应用场景下,数据是实时发布的,并且这些数据绝大部分由多个敏感属性组成,针对传统的多维敏感属性数据发布隐私保护方法主要解决静态多维敏感属性数据发布或数据动态连续发布的隐私保护,而对多敏感属性实时流数据发布的研究较少这一问题,本文提出一种基于滑动窗口模型的加权优化多维桶分组算法(weighted optimization multi-dimensional bucket grouping algorithm,WOMBPA).首先,在实时流数据发布过程中基于滑动窗口模型批处理思想,对不同敏感属性进行排序;然后根据不同属性敏感程度值,对数据构建加权优化多维桶分组;最后进行匿名化处理.实验分析结果表明,本文所提方法解决流数据发布中多个敏感属性保护的同时,也减少了信息损失度和隐匿率,保证发布数据的可用性.

多数据库集成环境下查询优化研究

在多数据库集成系统中,用户查询由中介系统转换为对各局部数据库的内部操作及局部数据库之间的数据传递。搜索一条访问相互连接数据源的路径以获得综合开销最小的查询策略,是多数据库集成环境向查询优化提出的新的挑战。文章设计了一个新的中介系统,将查询优化问题分为两个阶段,并在此基础上通过化简策略空间、有效的代价估算和策略搜索算法,以提高多数据库环境下查询优化器的工作效率。

面向数据隐私差异的隐私保护数据发布方法

针对关系型数据中多维敏感属性隐私差异所引起的隐私保护效用降低问题,提出了一种能有效表达多维敏感属性隐私差异的隐私保护数据发布方法.基于一种多维桶分组技术(MSB)对数据集的多维敏感属性隐私差异以及记录价值进行量化区分,给出记录分组优先级参数的计算方法,进而可实现基于记录分组优先级参数多维桶记录分组(TPSB)算法的隐私保护数据发布.实验结果表明:在权重参数合理赋值条件下,该方法在保证数据发布效率的同时可有效提升数据发布的质量.