[發明專利]一種多叉樹森林K-匿名方法、系統、設備和可讀存儲介質

在審

• 申請號: 202010514315.3
• 申請日: 2020-06-08
• 公開（公告）號: CN111695153A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 羅霄;陳先來;劉莉;安瑩;李忠民
• 申請（專利權）人: 中南大學
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 張建利

1.一種多叉樹森林K-匿名方法，其特征在于，所述方法包括：

步驟A：判斷原始數據集D是否需要分割為n個子數據集；若需要，轉入步驟B；若不需要，轉入步驟C；

步驟B：將所述原始數據集D按照分割參數分割為n個子數據集D’＝{d1,d2,d3,...,dn}，建立n個線程并行式分別計算n個子數據集，轉入步驟C；

步驟C：拷貝目標數據集，對目標數據集進行K-匿名檢測；若目標數據集滿足K匿名，則將目標數據集添加到匿名數據集中，并輸出匿名數據集；若不滿足，則檢查目標數據集存在的數據條數，若數據條數大于K則轉入步驟D，若數據條數小于K，則將剩余的數據泛化為最高層級并添加到匿名數據集，檢測匿名數據集是否滿足K-匿名，若滿足則輸出匿名數據集，若不滿足，則不進行本次添加；

步驟D：提取出目標數據集所有計數大于K的等價類，將其存入匿名數據集，目標數據集數量等于1的轉入步驟E，目標數據集數量大于1的轉入步驟F；

步驟E：選擇n-1個屬性組成n種組合等價類，生成等價類集G＝{g1，g2，g3，......，gn}，其中屬性集的長度為n；計算出G中各等價類組存在的等價類數量，并取等價類數據條數計數值最大的子集在屬性集中的補集進行泛化，泛化后轉入步驟C進行K-匿名檢測；

步驟F：采用m個線程計算不同等價類數量，選擇m-1個屬性組成m種組合的子集，生成等價類集G＝{g1，g2，g3，......，gm}，其中屬性集的長度為m；計算出G中各等價類組存在的等價類數量，并取等價類數據條數計數值最大的子集在屬性集中的補集進行泛化，泛化后轉入步驟C進行K-匿名檢測；

步驟G：當所有數據集的結果輸出后，輸出匯總所有數據集的匿名數據集和泛化精確度。

2.如權利要求1所述的方法，其特征在于，所述泛化的屬性值為所有等價類在各自對應的數據項中不包含屬性的屬性值。

3.如權利要求1所述的方法，其特征在于，在步驟E和步驟F中，若在泛化過程中等價類數據條數計數值相同、元組中等價類的數量小于K或者不存在等價類，則選擇屬性值類型計數值最大的屬性進行泛化，直至滿足K-匿名為止。

4.一種多叉樹森林K-匿名系統，其特征在于，所述系統包括：

數據集屬性判斷模塊，用于判斷原始數據集D是否需要分割為n個子數據集；若需要，轉入數據集分割模塊；若不需要，轉入匿名檢測模塊；

數據集分割模塊，用于將所述原始數據集D按照分割參數分割為n個子數據集D’＝{d1,d2,d3,...,dn}，建立n個線程并行式分別計算n個子數據集，轉入匿名檢測模塊；

匿名檢測模塊，用于拷貝目標數據集，對目標數據集進行K-匿名檢測；若目標數據集滿足K匿名，則將目標數據集添加到匿名數據集中，并輸出匿名數據集；若不滿足，則檢查目標數據集存在的數據條數，若數據條數大于K則轉入等價類提取模塊，若數據條數小于K，則將剩余的數據泛化為最高層級并添加到匿名數據集，檢測匿名數據集是否滿足K-匿名，若滿足則輸出匿名數據集，若不滿足，則不進行本次添加；

等價類提取模塊，用于提取出目標數據集所有計數大于K的等價類，將其存入匿名數據集，目標數據集數量等于1的轉入第一泛化模塊，目標數據集數量大于1的轉入第二泛化模塊；

第一泛化模塊，用于選擇n-1個屬性組成n種組合等價類，生成等價類集G＝{g1，g2，g3，......，gn}，其中屬性集的長度為n；計算出G中各等價類組存在的等價類數量，并取等價類數據條數計數值最大的子集在屬性集中的補集進行泛化，泛化后轉入匿名檢測模塊進行K-匿名檢測；

第二泛化模塊，用于采用m個線程計算不同等價類數量，選擇m-1個屬性組成m種組合的子集，生成等價類集G＝{g1，g2，g3，......，gm}，其中屬性集的長度為m；計算出G中各等價類組存在的等價類數量，并取等價類數據條數計數值最大的子集在屬性集中的補集進行泛化，泛化后轉入匿名檢測模塊進行K-匿名檢測；

數據輸出模塊，用于當所有數據集的結果輸出后，輸出匯總所有數據集的匿名數據集和泛化精確度。

5.如權利要求4所述的系統，其特征在于，所述泛化的屬性值為所有等價類在各自對應的數據項中不包含屬性的屬性值。