[發(fā)明專(zhuān)利]一種基于準(zhǔn)標(biāo)識(shí)屬性泛化的k-匿名隱私保護(hù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910128727.0
• 申請(qǐng)日: 2019-02-21
• 公開(kāi)（公告）號(hào): CN109918941A
• 公開(kāi)（公告）日: 2019-06-21
• 發(fā)明（設(shè)計(jì)）人: 肖躍雷;朱志祥
• 申請(qǐng)（專(zhuān)利權(quán)）人: 陜西艾特信息化工程咨詢有限責(zé)任公司
• 主分類(lèi)號(hào): G06F21/62
• 分類(lèi)號(hào): G06F21/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明提供了一種基于準(zhǔn)標(biāo)識(shí)屬性泛化的k?匿名隱私保護(hù)方法，其特殊之處在于：該方法包括：1）對(duì)于待發(fā)布數(shù)據(jù)表中的各個(gè)準(zhǔn)標(biāo)識(shí)屬性，根據(jù)數(shù)據(jù)分布情況和業(yè)務(wù)情況建立各個(gè)準(zhǔn)標(biāo)識(shí)屬性的泛化層次樹(shù)；2）計(jì)算各個(gè)準(zhǔn)標(biāo)識(shí)屬性的泛化層次高度、屬性取值個(gè)數(shù)、屬性取值頻次和屬性取值熵值；3）按照泛化層次高度最大、屬性取值頻次最小、屬性取值個(gè)數(shù)最多和屬性取值熵值最小的優(yōu)先順序，選擇一個(gè)準(zhǔn)標(biāo)識(shí)屬性進(jìn)行一個(gè)層次的全域泛化；4）對(duì)步驟3）中全域泛化后的待發(fā)布數(shù)據(jù)表進(jìn)行k?匿名模型檢驗(yàn)；若符合k?匿名模型，則以步驟3）中全域泛化后的待發(fā)布數(shù)據(jù)表為最終發(fā)布數(shù)據(jù)表；否則，重復(fù)進(jìn)行步驟2）、步驟3）和步驟4）。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)隱私保護(hù)領(lǐng)域，更具體地，涉及一種基于準(zhǔn)標(biāo)識(shí)屬性泛化的k-匿名隱私保護(hù)方法。

背景技術(shù)

隨著社會(huì)信息化和網(wǎng)絡(luò)化的發(fā)展，數(shù)據(jù)呈現(xiàn)爆炸式增長(zhǎng)，大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)；目前，大數(shù)據(jù)已成為學(xué)術(shù)界和產(chǎn)業(yè)界的研究熱點(diǎn)，正影響著人們?nèi)粘Ｉ睢⒐ぷ髁?xí)慣及思維方式；在數(shù)據(jù)發(fā)布應(yīng)用中，如何保護(hù)數(shù)據(jù)的用戶隱私已成為當(dāng)前面臨的重大挑戰(zhàn)；最簡(jiǎn)單的保護(hù)用戶隱私的方法就是在發(fā)布原始數(shù)據(jù)時(shí)直接通過(guò)刪除姓名、身份證號(hào)碼等標(biāo)識(shí)屬性來(lái)達(dá)到防范用戶隱私泄露；但是由于以這種方式發(fā)布的數(shù)據(jù)集中的某些屬性值集合能夠聯(lián)合該數(shù)據(jù)集外的相關(guān)信息精確或較精確地重新標(biāo)識(shí)某個(gè)體，稱(chēng)之為鏈接攻擊。

為了解決這種鏈接攻擊，研究者們提出了k-匿名模型，它要求所發(fā)布的數(shù)據(jù)表中的每一條記錄不能區(qū)分于其他k-1條記錄，即在滿足k-匿名模型的數(shù)據(jù)表中，任意一條記錄被重新標(biāo)識(shí)出的風(fēng)險(xiǎn)都不會(huì)超過(guò)1/k；k-匿名模型通常將數(shù)據(jù)表的屬性劃分以下為四類(lèi)：（1）標(biāo)識(shí)屬性：這類(lèi)屬性能夠唯一標(biāo)識(shí)個(gè)體身份的屬性，如用戶身份證號(hào)碼、姓名等；（2）準(zhǔn)標(biāo)識(shí)屬性：這類(lèi)屬性雖然不像標(biāo)識(shí)屬性一樣能夠直接標(biāo)識(shí)個(gè)體身份，但是通過(guò)屬性的鏈接可以標(biāo)記出個(gè)體身份的一組屬性，如準(zhǔn)標(biāo)識(shí)屬性組｛年齡，工作類(lèi)型，膚色，性別｝；（3）敏感屬性：這類(lèi)屬性涉及個(gè)體隱私信息，如薪水、健康狀況等；（4）其它屬性：指除標(biāo)識(shí)屬性、準(zhǔn)標(biāo)識(shí)屬性和敏感屬性外的屬性。

一般遵循k-匿名模型的數(shù)據(jù)發(fā)布大多采用泛化和抑制技術(shù)，這在很大程度上造成了原始數(shù)據(jù)的信息損失；泛化是對(duì)數(shù)據(jù)進(jìn)行更概括、更抽象的描述；抑制就是刪除某一些數(shù)據(jù)項(xiàng)使其不發(fā)布或是用一種特殊的符號(hào)來(lái)代替某一數(shù)據(jù)項(xiàng)；例如，性別屬性的泛化層次樹(shù)，參見(jiàn)圖1。

在圖1中，性別屬性的泛化層次為2（從底向上分別為0，1），而性別屬性的泛化層次高度為1，性別屬性的屬性取值為“男”、“女”和“性別”；泛化方法可以分為全域泛化和局部泛化兩種；全域泛化是對(duì)一個(gè)屬性上的所有屬性取值同時(shí)進(jìn)行泛化，如圖1中“男”和“女”同時(shí)泛化為“性別”；局部泛化是對(duì)一個(gè)屬性上的部分屬性取值進(jìn)行泛化，如圖1中“男”泛化為“性別”，而“女”不進(jìn)行泛化；全域泛化的優(yōu)點(diǎn)是每次屬性泛化完成后，該屬性上的所有屬性取值都保持在同一個(gè)泛化層次，有利于數(shù)據(jù)分析，而局部泛化不能保障這一點(diǎn)；但是，全域泛化一般比局部泛化的信息損失要大；因此，如何使得發(fā)布的數(shù)據(jù)表在滿足k-匿名模型的同時(shí)，既有利于數(shù)據(jù)分析又減少信息損失，這已成為隱私保護(hù)研究的重點(diǎn)。

發(fā)明內(nèi)容

為了解決背景技術(shù)中存在的上述技術(shù)問(wèn)題，本發(fā)明提供了一種既有利于數(shù)據(jù)分析又減少信息損失的基于準(zhǔn)標(biāo)識(shí)屬性泛化的k-匿名隱私保護(hù)方法。

本發(fā)明的技術(shù)解決方案是：本發(fā)明提供了一種基于準(zhǔn)標(biāo)識(shí)屬性泛化的k-匿名隱私保護(hù)方法，其特殊之處在于：該方法包括。

1）對(duì)于待發(fā)布數(shù)據(jù)表中的各個(gè)準(zhǔn)標(biāo)識(shí)屬性，根據(jù)數(shù)據(jù)分布情況和業(yè)務(wù)情況建立各個(gè)準(zhǔn)標(biāo)識(shí)屬性的泛化層次樹(shù)。

2）對(duì)于待發(fā)布數(shù)據(jù)表中的各個(gè)準(zhǔn)標(biāo)識(shí)屬性，計(jì)算各個(gè)準(zhǔn)標(biāo)識(shí)屬性的泛化層次高度，以及屬性取值個(gè)數(shù)、屬性取值頻次和屬性取值熵值。

3）對(duì)于待發(fā)布數(shù)據(jù)表中的各個(gè)準(zhǔn)標(biāo)識(shí)屬性，按照泛化層次高度最大、屬性取值頻次最小、屬性取值個(gè)數(shù)最多和屬性取值熵值最小的優(yōu)先順序，選擇一個(gè)準(zhǔn)標(biāo)識(shí)屬性進(jìn)行一個(gè)層次的全域泛化。