基于时间密度的数据流匿名方法

doi:10.11959/j.issn.1000-436x.2014.11.022

通信学报 ›› 2014, Vol. 35 ›› Issue (11): 1-201.doi: 10.11959/j.issn.1000-436x.2014.11.022

• 隐私保护 • 下一篇

基于时间密度的数据流匿名方法

谢静,张健沛,杨静,张冰

哈尔滨工程大学计算机科学与技术学院，黑龙江哈尔滨 150001

出版日期:2014-11-25 发布日期:2017-06-20
基金资助:
国家自然科学基金资助项目;国家自然科学基金资助项目;国家自然科学基金资助项目;国家自然科学基金资助项目;教育部高等学校博士学科点专项科研基金资助项目;教育部高等学校博士学科点专项科研基金资助项目

Anonymization algorithm based on time density for data stream

Jing XIE,Jian-pei ZHANG,Jing YANG,Bing ZHANG

College of Computer Science and Technology，Harbin Engineering University，Harbin 150001，China

Online:2014-11-25 Published:2017-06-20
Supported by:
The National Natural Science Foundation of China;The National Natural Science Foundation of China;The National Natural Science Foundation of China;The National Natural Science Foundation of China;The National Research Foundation for the Doctoral Program of Higher Education of China;The National Research Foundation for the Doctoral Program of Higher Education of China

摘要/Abstract

摘要：

针对数据流中的匿名问题，提出一种基于时间密度的数据流匿名算法，考虑数据流的强时态性，提出时间权重和时间密度概念，当已发布簇的个数达到上限时，删除时间密度最小的簇，以此来保证已发布簇的可重用性。此外，为了保持较高的执行效率，算法对数据采用单遍扫描，以实现数据流的高效匿名。在真实数据集上的实验结果表明，提出的方法能保持较高的效率和较好的数据效用。

关键词: 隐私保护, 数据流, 匿名, 时态性

Abstract:

Aim to address the problem of anonymization on data streams，an anonymization algorithm based on time density for data stream was proposed.Time weight and time density were designed for describing the data stream’s temporal，when the published clusters reach the threshold，it will delete the minimum time density cluster to ensure the availability of published clusters.Furthermore，in order to maintain the higher efficiency，the algorithm scans the data only once to satisfy the anonymization requirements for speeding up.The experimental results on the real dataset show that the algorithm is efficient and effective meanwhile the quality of the output data.

Key words: privacy preserving, data stream, anonymization, temporalitaet

谢静,张健沛,杨静,张冰. 基于时间密度的数据流匿名方法[J]. 通信学报, 2014, 35(11): 1-201.

Jing XIE,Jian-pei ZHANG,Jing YANG,Bing ZHANG. Anonymization algorithm based on time density for data stream[J]. Journal on Communications, 2014, 35(11): 1-201.

图/表 10

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

参考文献 15

[1]	DOMINGOS P ， HULTEN G . Mining high-speed data streams[A]. Proceedings of the 6th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining[C]. New York， 2000. 71-80.
[2]	ZHANG P ， ZHU X ， SHI Y . Categorizing and mining concept drifting data streams[A]. Proceedings of the 14th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining[C]. New York， 2008. 812-820.
[3]	LUO C ， THAKKAR H ， WANG H ，et al. A native extension of SQL for mining data streams[A]. Proceedings of the 2005 ACM SIGMOD International Conference on Management of Data[C]. New York， 2005. 873-875.
[4]	AGGARWAL C C ， HAN J ， WANG J ，et al. A framework for cluster-ing evolving data streams[A]. Proceedings of the 29th International Conference on Very Large Data Bases-Volume 29[C]. 2003. 81-92.
[5]	LI F F ， SUN JM ， PAPADIMITRIOU S ，et al. Hiding in the crowd:privacy preservation on evolving streams through correlation tracking[A]. Proc of the ICDE 2007[C]. 2007. 686-695.
[6]	CAO J ， CARMINATI B ， FERRARI E ，et al. Castle:continuously anonymizing data streams[J]. Dependable and Secure Computing，IEEE Transactions on， 2011，8(3): 337-352.
[7]	WANG P ， LU J J ， ZHAO L ，et al. B-CASTLE:an efficient publishing algorithm for k-anonymizing data streams[A]. Proc of 2010 the 2nd WRI Global Congress on Intelligent Systems[C]. 2010. 132-136.
[8]	ZAKERZADEH H ， OSBORN S L . FAANST:fast anonymizing algo-rithm for numerical streaming data[A]. Proc of the 5th Int’l Workshop on Data Privacy Management and 3rd Int’l Conf on Autonomous Spontaneous Security[C]. Springer-Verlag， 2011. 36-50.
[9]	郭昆，张岐山 . 基于聚类的快速数据流匿名方法[J]. 软件学报， 2013，24(8): 1852-1867. GUO K ， ZHANG Q S . Fast clustering-based anonymization algorithm for data streams[J]. Journal of Software， 2013，24(8): 1852-1867.
[10]	GUO K ， ZHANG Q S . Fast clustering-based anonymization ap-proaches with time constraints for data streams[J]. Knowledge-Based Systems， 2013，46: 95-108.
[11]	SWEENEY L . k-anonymity:a model for protecting privacy[J]. Inter-national Journal of Uncertainty，Fuzziness and Knowledge Based Sys-tems， 2002，10(5): 557-570.
[12]	MACHANAVAJJHALA A ， KIFER D ， GEHRKE J ，et al. L-diversity:privacy beyond k-anonymity[J]. ACM Transactions on Knowledge Discovery from Data (TKDD)， 2007，1(1): 1-52.
[13]	RAGHAVAN M R H P . Computing on data streams[A]. External Memory Algorithms:DIMACS Workshop External Memory and Visualization[C]. 1999107.
[14]	XU Y ， MA T ， TANG M ，et al. A survey of privacy preserving data publishing using generalization and suppression[J]. Appl Math， 2014，8(3): 1103-1116.
[15]	YENGAR V S . Transforming data to satisfy privacy constraints[A]. Proceedings of the Eighth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining[C]. 2002. 279-288.

基于时间密度的数据流匿名方法

Anonymization algorithm based on time density for data stream

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 15

相关文章 15

Metrics

推荐阅读 0

[1]	马鑫迪, 李清华, 姜奇, 马卓, 高胜, 田有亮, 马建峰. 面向Non-IID数据的拜占庭鲁棒联邦学习[J]. 通信学报, 2023, 44(6): 138-153.
[2]	冯涛, 陈李秋, 方君丽, 石建明. 基于本地化差分隐私和属性基可搜索加密的区块链数据共享方案[J]. 通信学报, 2023, 44(5): 224-233.
[3]	夏莹杰, 朱思雨, 刘雪娇. 区块链架构下具有条件隐私的车辆编队跨信任域高效群组认证研究[J]. 通信学报, 2023, 44(4): 111-123.
[4]	胡柏吉, 张晓娟, 李元诚, 赖荣鑫. 支持多功能的V2G网络隐私保护数据聚合方案[J]. 通信学报, 2023, 44(4): 187-200.
[5]	徐明, 张保俊, 伍益明, 应晨铎, 郑宁. 面向网络攻击和隐私保护的多智能体系统分布式共识算法[J]. 通信学报, 2023, 44(3): 117-127.
[6]	余晟兴, 陈钟. 基于同态加密的高效安全联邦学习聚合框架[J]. 通信学报, 2023, 44(1): 14-28.
[7]	冯霞, 崔凯平, 谢晴晴, 王良民. VANET中基于区块链的分布式匿名认证方案[J]. 通信学报, 2022, 43(9): 134-147.
[8]	哈冠雄, 贾巧雯, 陈杭, 贾春福. 无第三方服务器的基于数据流行度的加密去重方案[J]. 通信学报, 2022, 43(8): 17-29.
[9]	石润华, 于辉, 柯唯阳, 徐小桐. 基于BB84态的量子匿名一票否决协议[J]. 通信学报, 2022, 43(8): 109-120.
[10]	张学旺, 黎志鸿, 林金朝. 基于公平盲签名和分级加密的联盟链隐私保护方案[J]. 通信学报, 2022, 43(8): 131-141.
[11]	王振宇, 郭阳, 李少青, 侯申, 邓丁. 面向轻量级物联网设备的高效匿名身份认证协议设计[J]. 通信学报, 2022, 43(7): 49-61.
[12]	王继锋, 王国峰. 边缘计算模式下密文搜索与共享技术研究[J]. 通信学报, 2022, 43(4): 227-238.
[13]	封化民, 史瑞, 袁峰, 李艳俊, 杨旸. 高效的强隐私保护和可转让的属性票据方案[J]. 通信学报, 2022, 43(3): 63-75.
[14]	于海宁, 张宏莉, 余翔湛, 曲家兴, 葛蒙蒙. 隐私保护的轨迹相似度计算方法[J]. 通信学报, 2022, 43(11): 1-13.
[15]	彭滔, 钟文韬, 王国军, 罗恩韬, 熊金波, 刘忆宁, Hao Wang. 移动社交网络中面向隐私保护的精确好友匹配[J]. 通信学报, 2022, 43(11): 90-103.