隐私保护k-匿名算法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (28): 117-119.

• 数据库、信号与信息处理 • 上一篇下一篇

隐私保护k-匿名算法研究

王平水1，马钦娟2

1.安徽财经大学管理科学与工程学院，安徽蚌埠 233030
2.安徽财经大学商学院，安徽蚌埠 233041

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-01 发布日期:2011-10-01

Research on k-anonymity algorithm for privacy preservation

WANG Pingshui1，MA Qinjuan2

1.College of Management Science and Engineering，Anhui University of Finance & Economics，Bengbu，Anhui 233030，China
2.Business Institute，Anhui University of Finance & Economics，Bengbu，Anhui 233041，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-01 Published:2011-10-01

摘要/Abstract

摘要： 隐私保护已成为个人或组织机构关心的基本问题，k-匿名是目前数据发布环境下实现隐私保护的主要技术之一。鉴于多数k-匿名方法采用泛化和隐匿技术，严重依赖于预先定义的泛化层或属性域上的全序关系，产生很高的信息损失，降低了数据的可用性，提出了一种基于聚类技术的k-匿名算法。实验结果表明，该算法在保护隐私的同时，提高了发布数据的可用性。

关键词: 数据发布, 隐私保护, 匿名化, k-匿名, 聚类

Abstract: Privacy preservation has been an essential issue for individuals or organizations.k-anonymity is one of the primary techniques realizing privacy protection in data dissemination environment.Current k-anonymity solutions based on generalization and suppression techniques suffer from high information loss and low usability mainly due to reliance on pre-defined generalization hierarchies or order imposed on each attribute domain.It develops a new k-anonymity algorithm based on clustering technology.Experimental results show that the method can improve the usability of the released data while preserving privacy.

Key words: data dissemination, privacy-preserving, anonymization, k-anonymity, clustering

王平水1，马钦娟2. 隐私保护k-匿名算法研究[J]. 计算机工程与应用, 2011, 47(28): 117-119.

WANG Pingshui1，MA Qinjuan2. Research on k-anonymity algorithm for privacy preservation[J]. Computer Engineering and Applications, 2011, 47(28): 117-119.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[3]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[4]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[5]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[6]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[7]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[8]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[9]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[10]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[11]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[12]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[13]	陈俊丰，郑中团. WKMeans与SMOTE结合的不平衡数据过采样方法[J]. 计算机工程与应用, 2021, 57(23): 106-112.
[14]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[15]	梅婕，魏圆圆，许桃胜. 基于密度峰值多起始中心的融合聚类算法[J]. 计算机工程与应用, 2021, 57(22): 78-85.

隐私保护k-匿名算法研究

Research on k-anonymity algorithm for privacy preservation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics