登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于有损分解的数据隐私保护方法
  • 摘要

    隐私保护的数据挖掘近来已成为数据挖掘研究的热点,而数据隐私的保护则是其中的重要问题之一.针对已有方法信息损失程度高、聚集查询精度低的不足.在(alpha,k)隐私保护模型基础上,利用关系数据库理论的有损分解思想,提出了一种改进的数据隐私保护方法Alpha+.该方法首先利用(alpha.k)生成原始数据的匿名数据库,然后,将匿名数据库投影为2个可连接的数据库表NSS和SS,并利用NSS和SS有损连接的冗余信息保护数据隐私.接下来,Alpha+对NSS和SS的元组进行合并,以减少最终发布的数据库表大小.最后比较了Alpha+方法与其他类似方法的安全性.实验结果表明Alpha+在聚集查询精度方面明显优于同类方法.

  • 作者

    刘玉葆  黄志兰  傅慰慈  印鉴  Liu Yubao  Huang Zhilan  Fu Weici  Yin Jian 

  • 作者单位

    中山大学计算机科学系,广州,510275/香港中文大学计算机科学与工程系,香港

  • 刊期

    2009年7期 ISTIC EI PKU

  • 关键词

    数据隐私保护  隐私保护的数据挖掘  有损分解  k-匿名化  聚集查询 

参考文献
  • [1] 杨晓春,刘向宇,王斌,于戈. 支持多约束的K-匿名化方法. 软件学报, 2006,5
  • [2] 张鹏,童云海,唐世渭,杨冬青,马秀莉. 一种有效的隐私保护关联规则挖掘方法. 软件学报, 2006,8
  • [3] 葛伟平,汪卫,周皓峰,施伯乐. 基于隐私保护的分类挖掘. 计算机研究与发展, 2006,1
  • [4] Xiao X;Tao Y. Anatomy:Simple and efficient privacy preservation. New York:ACM, 2006
  • [5] Wang K;Fung B. Anonymizing sequential release. New York:ACM, 2006
  • [6] Agrawal R;Srikant R. Privacy-preserving data mining. New York:ACM, 2000
  • [7] Wong R;Li J;Fu A. (alpha,k)-anonymity,An enhanced k-anonymity model for privacy-preserving data publishing. New York:ACM, 2006
  • [8] Aggrawal G;Feder T;Kenthapadi K. Anomyrnizing tables. Berlin.:Springer, 2005
  • [9] Machanavajjhala A;Gehrke J;Kifer D. 1-diversity:Privacy beyond k-anonymity. Los Alamitoa,CA:IEEE Computer Society, 2006
  • [10] I efevre K;Dewht D J. Ramakrishnan R.Incognhn; Efficient full domain k anonymity. New York..ACM, 2005
  • [11] Sweeney I. Achieving k-anonymity privacy protection using generalization and suppression. International Journal on Uncertainty Fuzziness and Knowldege-Based Systems, 2002,05
  • [12] Fung BC M;Wang K;Yu P S. Top-down specialization for information and privacy preservation. Los Alamitos.CA:IEEE Computer Society, 2005
  • [13] Aggarwal C C. On k anonymity and the curse of dimensiunality. New York:ACM, 2006
查看更多︾
相似文献 查看更多>>
3.235.66.217