面向医疗数据可信共享的映射泛化(k,l)-匿名算法

针对医疗数据共享时(k,l)-匿名算法存在的敏感数据过度泛化问题和推理泄露问题,提出了一种基于映射关联原理和泛化边界值的泛化映射方法;建立了基于映射泛化的(k,l)-匿名模型,并形成面向医疗数据安全共享的泛化映射(k,l)-匿名算法。将本文算法和原始(k,l)-匿名算法、带映射关联的(k,l)-匿名算法以及带泛化约束的(k,l)-匿名算法在Kaggle医疗数据集进行对比实验,结果表明,本文算法不仅能保护医疗数据的安全,而且能够大大提高共享后数据的可用性。

k-匿名映射的一种局部搜索算法

基于泛化映射的k-匿名技术是保护数据共享环境中的隐私信息的有效方法。然而,寻求具有最佳可用性的泛化映射是NP困难的。提出了一种泛化映射的局部搜索算法,从满足k-匿名的一个等深泛化映射向量出发,依据预定的属性次序,寻找并分解选定属性的过泛化映射,形成新的非等深的满足k-匿名的泛化映射向量。实验表明在搜索等深映射的时间开销基础上,增加少量的计算时间,就可得到可用性更高的泛化映射。