基于投影区域密度划分的k匿名算法

doi:10.11959/j.issn.1000-436x.2015204

通信学报 ›› 2015, Vol. 36 ›› Issue (8): 125-134.doi: 10.11959/j.issn.1000-436x.2015204

基于投影区域密度划分的k匿名算法

王超,杨静,张健沛,吕刚

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:2015-08-25 发布日期:2015-08-25
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;高等学校博士学科点专项科研基金资助项目;高等学校博士学科点专项科研基金资助项目;黑龙江省自然科学基金资助项目;哈尔滨市科技创新人才研究专项（优秀学科带头人）基金资助项目

Algorithm for k-anonymity based on projection area density partition

Chao WANG,Jing YANG,Jian-pei ZHANG,Gang LV

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

Online:2015-08-25 Published:2015-08-25
Supported by:
The National Natural Science Foundation of China;The National Natural Science Foundation of China;The National Natural Science Foundation of China;The Research Fund for the Doctoral Program of Higher Education of China;The Research Fund for the Doctoral Program of Higher Education of China;The Natural Science Foundation of Heilongjiang Province;The Harbin Special Funds for Technological Innovation Research

摘要/Abstract

摘要：

在数据发布的隐私保护中，现有的算法在划分临时匿名组时，没有考虑临时匿名组中相邻数据点的距离，在划分过程中极易产生许多不必要的信息损失，从而影响发布匿名数据集的可用性。针对以上问题，提出矩形投影区域，投影区域密度和划分表征系数等概念，旨在通过提高记录点的投影区域密度来合理地划分临时匿名组，使划分后的匿名组产生的信息损失尽量小；并提出基于投影区域密度划分的k匿名算法，通过优化取整划分函数和属性维选择策略，在保证匿名组数量不减少的同时，减少划分过程中不必要的信息损失，进一步提高发布数据集的可用性。通过理论分析和实验验证了算法的合理性和有效性。

关键词: 隐私保护, 临时匿名组, 矩形投影区域, 投影区域密度, 划分表征系数

Abstract:

In data publishing privacy preserving,while classifying temporary anonymous groups,the existing algorithms didn’t consider the distance between adjacent data points,and could easily produce a lot of unnecessary information loss,thus affecting the availability of released anonymous data sets.To solve the above problem,the concept of rectangular projection area,the projection area density and partition coefficient characterization were presented,aim to increase the recording points’s projection area density to divide temporary anonymous group reasonably,and to make the information loss of divided anonymous groups as small as possible.And presents the algorithm for k-anonymity based on projection area density partition,by optimizing the rounded partition function and properties dimension selection strategy,to reduce unnecessary information loss and to further improve the availability of released data sets,without reducing the number of anonymous groups.The rationality and validity of the algorithm are verified by theoretical analysis and multiple experiments.

Key words: privacy preserving, temporary anonymous group, rectangular projection area, projection area density

王超,杨静,张健沛,吕刚. 基于投影区域密度划分的k匿名算法[J]. 通信学报, 2015, 36(8): 125-134.

Chao WANG,Jing YANG,Jian-pei ZHANG,Gang LV. Algorithm for k-anonymity based on projection area density partition[J]. Journal on Communications, 2015, 36(8): 125-134.

图/表 6

图1

表1

图2

图3

图4

图5

参考文献 17

[1]	韩建民, 岑婷婷, 虞慧群 . 数据表 k-匿名化的微聚集算法研究[J]. 电子学报, 2008,36(11): 2021-2029. HAN J M , CEN T T , YU H Q . Research in microaggregation algorithms for k-anonymization[J]. Acta Electronica Sinica, 2008,36(11): 2021-2029.
[2]	周水庚, 李丰, 陶宇飞 ,等. 面向数据库应用的隐私保护研究综述[J]. 计算机学报, 2009,32(5): 847-861. ZHOU S G , LI F , TAO Y F ,et al. Privacy preservation in database applications:a survey[J]. Chinese Journal of Computers, 2009,32(5): 847-861.
[3]	朱青, 赵桐, 王珊 . 面向查询服务的数据隐私保护算法[J]. 计算机学报, 2010,33(8): 1315-1323. ZHU Q , ZHAO T , WANG S . Privacy preservation algorithm for service-oriented information[J]. Chinese Journal of Computers, 2010,33(8): 1315-1323.
[4]	SAYGIN Y , VERYKIOS V S , ELMAGARMID A K . Privacy preserving association rule mining[A]. Proceedings of the 12th International Workshop on Research Issues in Data Engineering(RIDE)[C]. San Jose,USA, 2002. 151-158.
[5]	AGGARWAL C C , YU P S . A condensation approach to privacy preserving data mining[A]. Proceedings of the 9th International Conference on Extending Database Technology(EDBT)[C]. Heraklion,Greece, 2004. 183-199.
[6]	YAO A C . How to generate and exchange secrets[A]. Proceedings of the 27th IEEE Symposium on Foundations of Computer Science(FOCS)[C]. Toronto,Canada, 1986. 162-167.
[7]	CLIFTON C , KANTARCIOGLOU M , LIN X ,et al. Tools for privacy preserving distributed data mining[J]. ACM SIGKDD Explorations, 2002,4(2): 28-34.
[8]	韩建民, 于娟, 虞慧群 . 面向敏感值的个性化隐私保护[J]. 电子学报, 2010,38(7): 1723-1728. HAN J M , YU J , YU H Q . Individuation privacy preservation oriented to sensitive values[J]. Acta Electronica Sinica, 2010,38(7): 1723-1728.
[9]	杨静, 王波 . 一种基于最小选择度优先的多敏感属性个性化 l-多样性算法[J]. 计算机研究与发展, 2012,49(9): 2603-2610. YANG J , WANG B . Personalized l-diversity algorithm for multiple sensitive attributes based on minimum selected degree first[J]. Journal of Computer Research and Development, 2012,49(9): 2603-2610.
[10]	韩建民, 于娟, 虞慧群 . 面向数值型敏感属性的分级 l-多样性模型[J]. 计算机研究与发展, 2011,48(1): 147-158. HAN J M , YU J , YU H Q . A multi-level l-diversity model for numerical sensitive attributes[J]. Journal of Computer Research and Development, 2011,48(1): 147-158.
[11]	杨静, 王超, 张键沛 . 基于敏感属性熵的微聚集算法[J]. 电子学报, 2014,42(7): 1327-1337. YANG J , WANG C , ZHANG J P . Micro-aggregation algorithm based on sensitive attribute entropy[J]. Acta Electronica Sinica, 2014,42(7): 1327-1337.
[12]	SWEENEY L . k-anonymity:a model for protecting privacy[J]. International Journal on Uncertainty,Fuzziness and Knowledge-Based Systems, 2002,10(5): 557-570.
[13]	LEFEVRE K , DEWITT D J , RAMAKRISHNAN R . Mondrian multidimensional k-anonymity[A]. Proceedings of the 22nd International Conference on Data Engineering[C]. Atlanta,Georgia,USA, 2006. 25-34.
[14]	HORE B , JAMMALAMADAKA R C , MEHROTRA S . Flexible anonymization for privacy preserving data publishing:a systematic search based approach[A]. Proceedings of the 7th SIAM International Conference on Data Mining[C]. Philadelphia,USA:Society for Industrial and Applied Mathematics, 2007. 497-502.
[15]	吴英杰, 唐庆明, 倪巍伟 ,等. 基于取整划分函数的 k 匿名算法[J]. 软件学报, 2012,23(8): 2138-2148. WU Y J , TANG Q M , NI W W ,et al. Algorithm for k-anonymity based on rounded partition function[J]. Journal of Software, 2012,23(8): 2138-2148.
[16]	杨高明, 杨静, 张健沛 . 半监督聚类的匿名数据发布[J]. 电子学报, 2011,32(11): 1489-1494. YANG G M , YANG J , ZHANG J P . Semi-supervised clustering-based anonymous data publishing[J]. Acta Electronica Sinica, 2011,32(11): 1489-1494.
[17]	KIFER D . Attacks on privacy and deFinetti's theorem[A]. Proceedings of the 2009 ACM SIGMOD International Conference on Management of data[C]. New York,USA:Association for Computing Machinery, 2009. 127-138.

数据集名称	别名	属性数目	记录数目	数据类型
输血服务中心数据集	blood	3	499	实数
图像数据集	image	6	2 100	实数
字符识别数据集	recognition_2 000	10	2 171	实数
	recognition_20 000	10	18 431	实数

基于投影区域密度划分的k匿名算法

Algorithm for k-anonymity based on projection area density partition

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 6

参考文献 17

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]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	史瑞, 封化民, 谢惠琴, 史国振, 刘飚, 杨旸. 基于带智能卡的移动终端实现的隐私保护的属性票据方案[J]. 通信学报, 2022, 43(10): 26-41.
[13]	熊金波, 周永洁, 毕仁万, 万良, 田有亮. 边缘协同的轻量级隐私保护分类框架[J]. 通信学报, 2022, 43(1): 127-137.
[14]	晏燕, 丛一鸣, Adnan Mahmood, 盛权政. 基于深度学习的位置大数据统计发布与隐私保护方法[J]. 通信学报, 2022, 43(1): 203-216.
[15]	马立川, 彭佳怡, 裴庆祺, 朱浩瑾. 高效的决策树隐私分类服务协议[J]. 通信学报, 2021, 42(8): 80-89.