-
题名基于敏感信息邻近抵抗的匿名方法
被引量:5
- 1
-
-
作者
桂琼
吕永军
程小辉
-
机构
桂林理工大学信息科学与工程学院
武汉理工大学信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第12期142-149,184,共9页
-
基金
国家自然科学基金地区科学基金项目(61862019)
广西自然科学基金面上项目(2017GXNSFAA198223)。
-
文摘
针对相似性攻击造成隐私泄露的问题,构建一种(r,k)-匿名模型,基于敏感属性语义关联,设定邻近抵抗阈值r,并提出满足该模型的匿名方法GDPPR。采用模糊聚类技术完成簇的划分,结合敏感属性相异度得出距离矩阵,使得每个等价类中相邻语义下的敏感属性取值频率不高于阈值r,同时保证较高的数据可用性。在两个标准数据集上的实验结果表明,该方案能够较好地满足(r,k)-匿名模型,有效抵抗相似性攻击,减少泛化产生的信息损失。
-
关键词
数据匿名
相似性攻击
模糊聚类
邻近抵抗
数据泛化
-
Keywords
data anonymity
similar attack
fuzzy clustering
proximity resistance
data generalization
-
分类号
TP309
[自动化与计算机技术—计算机系统结构]
-