数据发布中的个人隐私保护技术研究与应用

摘要

近年来，随着信息时代的到来，尤其是网络技术、数据存储技术和高性能处理器技术的迅速发展，使得海量数据的收集、发布和分析变得越来越便利，个人与组织之间的信息共享也变得越来越普遍。但与此同时，给数据的隐私也带来了威胁。因此，数据发布中的个人隐私保护技术的研究成为热门的研究方向。匿名化技术是目前应用于隐私保护的主要技术，本文所做的主要工作就是针对匿名化技术中多敏感属性的个性化隐私保护进行研究。本文所做的工作如下：
　　首先，提出面向多敏感属性的个性化（α，l）-匿名模型。通过对多敏感属性数据发布技术和个性化匿名技术及其各自领域常见算法存在的问题进行深入分析，针对多维桶分组技术和个性化匿名技术存在的缺陷，本文提出面向多敏感属性的个性化（α，l）-匿名模型，该匿名模型是在多维桶的基础上根据原始数据中的敏感值的不同敏感性设置相应的个性化约束，构造多维桶，再进行分组，即保证了发布的数据中各分组的敏感值的多样性，又对不同敏感值的频率进行相应的个性化约束。同时，提出多敏感属性个性化（α，l）无序分组算法（MSPDG分组算法）实现该模型，实验结果表明，该模型能很好的解决数据发布中多敏感属性的保护过度和保护不足问题，隐私保护力度加强，信息隐匿率降低，数据的可用性有所提高。
　　其次，提出最大选择度优先分组算法（MSF分组算法）。针对MSPDG分组算法分组过程中选择桶的无序性问题，本文提出选择度这一概念。针对不同用户对数据的不同需求对桶赋予相应的选择度。并提出最大选择度优先分组算法，在分组时优先选择选择度最高的非空桶，避免了MSPDG分组算法中由于选取桶顺序的无序性而造成对数据发布中个人隐私保护的不稳定问题，能够尽可能多的保留可用信息。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容和组织架构

第二章 隐私保护技术相关理论概述

2.1 隐私保护的理论基础

2.2 隐私保护的匿名化模型介绍

2.3 信息度量和隐私保护原则

2.4 本章小结

第三章 多敏感属性与个性化匿名的隐私泄露分析

3.1 多敏感属性问题研究分析

3.2 个性化隐私保护问题分析

3.3 本章小结

第四章 面向多敏感属性的个性化（α，l）-匿名发布方法

4.1 问题的提出

4.2 多敏感属性的个性化（α，l）匿名模型

4.3 多敏感属性个性化（α，l）无序分组算法

4.4 最大选择度优先分组算法

4.5 实验结果及分析

4.6 本章小结

第五章 总结与展望

5.1 工作总结

5.2 研究展望

参考文献

发表论文和科研情况说明

致谢