面向数据发布的隐私保护模型及参数优选方法

doi:10.19678/j.issn.1000-3428.0056305

计算机工程 ›› 2021, Vol. 47 ›› Issue (5): 124-130. doi: 10.19678/j.issn.1000-3428.0056305

面向数据发布的隐私保护模型及参数优选方法

徐雅斌^1,2,3, 郭昊³

1. 网络文化与数字传播北京市重点实验室, 北京 100101;
2. 北京信息科技大学北京材料基因工程高精尖创新中心, 北京 100101;
3. 北京信息科技大学计算机学院, 北京 100101

收稿日期:2019-10-15 修回日期:2020-01-15 发布日期:2020-05-12
作者简介:徐雅斌(1962-),男,教授,主研方向为数据安全、隐私保护;郭昊,硕士研究生。
基金资助:
国家自然科学基金（61672101）；网络文化与数字传播北京市重点实验室开放课题（ICDDXN004）；信息网络安全公安部重点实验室开放课题（C18601）。

Privacy Protection Model and Parameter Optimization Method for Data Dissemination

XU Yabin^1,2,3, GUO Hao³

1. Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing 100101, China;
2. Beijing Advanced Innovation Center for Materials Genome Engineering, Beijing Information Science and Technology University, Beijing 100101, China;
3. School of Computer, Beijing Information Science and Technology University, Beijing 100101, China

Received:2019-10-15 Revised:2020-01-15 Published:2020-05-12

摘要/Abstract

摘要： 为更好地对待发布数据进行隐私保护，构建综合k-匿名、l-多样性和t-闭合方法的匿名化隐私保护模型。利用该模型能够选择最适合的隐私保护方法，并优选对应的隐私保护参数，达到数据提供者所期望的隐私保护效果，满足数据使用者对可用性的要求。实验结果表明，该方法不仅可以找到相对较优的参数值，而且能够有效满足具有不同身份和应用需求的用户对数据发布的要求。

关键词: 隐私保护, 数据发布, 匿名化, k-匿名, l-多样性, t-闭合, 参数优选

Abstract: In order to improve the privacy protection for data to be published,this paper proposes a privacy protection model integrating k-anonymity,l-diversity and t-closure methods.The model can assist in the selection of the most suitable privacy protection method,and the optimization of the corresponding privacy protection parameters,meeting the privacy protection requirements of data providers and availability requirements of data consumers.Experimental results show that the proposed method can find relatively optimized parameter values,and satisfy users with different identities and application requirements for data dissemination.

Key words: privacy protection, data dissemination, anonymity, k-anonymity, l-diversity, t-closeness, parameter optimization

中图分类号:

TP309

徐雅斌, 郭昊. 面向数据发布的隐私保护模型及参数优选方法[J]. 计算机工程, 2021, 47(5): 124-130.

XU Yabin, GUO Hao. Privacy Protection Model and Parameter Optimization Method for Data Dissemination[J]. Computer Engineering, 2021, 47(5): 124-130.

http://www.ecice06.com/CN/Y2021/V47/I5/124

参考文献

[1] OH S,PARK S.Task-role based access control model[J].Information Systems,2014,28(6):533-562.
[2] LONG Qin,LIU Peng,PAN Aimin.Research and implementation of an extended administrative role-based access control model[J].Journal of Computer Research and Development,2005,42(5):868-876.(in Chinese)龙勤,刘鹏,潘爱民.基于角色的扩展可管理访问控制模型研究与实现[J].计算机研究与发展,2005,42(5):868-876.
[3] AGRAWAL C C,YU P S.Privacy-preserving data mining:models and algorithms[M].[S.1.]:Springer,2008.
[4] FUNG B C M.Privacy-preserving data publishing[D].Vancouver,Canada:Simon Fraser University,2007.
[5] FUNG B C M,WANG K,CHEN R,et al.Privacy-preserving data publishing:a survey on recent developments[J].ACM Computing Surveys,2010,42(4):14-53.
[6] TORE D,REISS S P.Data-swapping:a technique for disclosure control(extended abstract)[C]//Proceedings of Section on Survey Research Methods American Statistical Association.Washington D.C.,USA:IEEE Press,1998:191-194.
[7] EVMIFIEVSKI A.Randomization in privacy preserving data mining[J].ACM SIGKDD Explorations News Letter,2002,4(2):43-48.
[8] OLIVEIRA S R M,ZAIANE O R.Privacy preservation clustering by data transformation[C]//Proceedings of the 18th Brazilian Symposium on Databases.Washington D.C.,USA:IEEE Press,2003:304-318.
[9] OLIVEIRA S R M,ZAIANE O R.Privacy preservation when sharing data for clustering[C]//Proceedings of International Workshop on Secure Data Management in a Connected World.Washington D.C.,USA:IEEE Press,2004:67-82.
[10] SAMARATI P,SWEENEY L.Protecting privacy when disclosing information:k-anonymity and its enforcement through generalization and suppresion[C]//Proceedingsof IEEE Symposium on Research in Security and Privacy.Washington D.C.,USA:IEEE Press,1998:384-393.
[11] MACHANAVAJJHALA A,GEHRKE J,KIFER D.l-diversity:privacy beyond k-anonymity[C]//Proceedings of the 22nd International Conference on Data Engineering.Atlanta,USA:IEEE Press,2006:24-36.
[12] LI Ninghui,LI Tiancheng,VENKATASUBRAMANIAN S.T-closeness:privacy k-anonymity and 1-diversity[C]//Proceedings of the 23rd ICDE'07.Washington D.C.,USA:IEEE Press,2007:106-115.
[13] BYUN J W,SOHNY Y,BERTION E,et al.Secure anonymization for incremental datasets[C]//Proceedings of the 3rd VLDB Workshop on Secure Data Management.Berlin,Germany:Springer,2006:48-63.
[14] YANG Xiaochun,WANG Yazhe,WANG Bin,et al.Privacy preserving approaches for multiple sensitive attributes in data publishing[J].Chinese Journal of Computers,2008,31(4):574-587.(in Chinese)杨晓春,王雅哲,王斌,等.数据发布中面向多敏感属性的隐私保护方法[J].计算机学报,2008,31(4):574-587.
[15] LI Yanjun.Research on privacy preserving methods for multiple sensitive attributes based on attributes classification[D].Chongqing:Chongqing University,2013.(in Chinese)李艳军.基于属性分类的多敏感属性数据隐私保护方法研究[D].重庆:重庆大学,2013.
[16] SAMARATI P,SWEENEY L.Generalizing data to provide anonymity when disclosing information(abstract)[C]//Proceedings of the 17th ACM-SIGMOD-SIGACT-SIGART Symposium on the Principles of Database Systems.New York,USA:ACM Press,1998:188-199.
[17] QU Shiyan,JIANG Xinghao,SUN Tanfeng,et al.Purpose management-based privacy access control model for his[J].Computer Applications and Software,2011,28(3):74-76.(in Chinese)渠世艳,蒋兴浩,孙锬锋,等.基于目的管理的医疗信息系统隐私保护访问控制模型[J].计算机应用与软件,2011,28(3):74-76.
[18] ZHANG Yiyuan.Analysis of assessment methods based on privacy preserving for data mining[D].Changchun:Jilin University,2012.(in Chinese)张苡源.应用面向数据挖掘的基于隐私保护的评估方法的分析[D].长春:吉林大学,2012.
[19] XU Xinhui.Anonymization of set-valued data for privacy preserving data publishing[D].Shanghai:Shanghai Jiao Tong University,2013.(in Chinese)许信辉.隐私数据发布下的集合型数据匿名化保护方法[D].上海:上海交通大学,2013.
[20] TONG Yunhai,TAO Youdong,TANG Shiwei,et al.Identity-reserved anonymity in privacy preserving data publishing[J].Journal of Software,2010,21(4):771-781.(in Chinese)童云海,陶有东,唐世渭,等.隐私保护数据发布中身份保持的匿名方法[J].软件学报,2010,21(4):771-781.
[21] JIANG Baoyan.The design and implementation of the k-anonymity algorithm based on multi-attribute generalization[D].Dalian:Dalian University of Technology,2015.(in Chinese)姜宝彦.基于多属性泛化的k-匿名算法的设计与实现[D].大连:大连理工大学,2015.
[22] HAO Zhifeng,WANG Riyu,CAI Ruichu,et al.Privacy data publishing method based on bayesian network and semantic tree[J].Computer Engineering,2019,45(4):124-129.(in Chinese)郝志峰,王日宇,蔡瑞初,等.基于贝叶斯网络与语义树的隐私数据发布方法[J].计算机工程,2019,45(4):124-129.
[23] WANG Qun.Research on privacy-preservation anonymity method for data sharing[D].Harbin:Harbin Engineering University,2012.(in Chinese)王群.面向共享的数据隐私保护匿名方法研究[D].哈尔滨:哈尔滨工程大学,2012.

选择文件类型/文献管理软件名称

选择包含的内容

面向数据发布的隐私保护模型及参数优选方法

Privacy Protection Model and Parameter Optimization Method for Data Dissemination

RichHTML

PDF

可视化

被引次数

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

本文评价

[1]	邱天晨, 郑小盈, 祝永新, 封松林. 面向非独立同分布数据的联邦学习架构[J]. 计算机工程, 2023, 49(7): 110-117.
[2]	陈福安, 柳毅. 基于区块链的V2G无证书环签密隐私保护方案[J]. 计算机工程, 2023, 49(6): 34-41,52.
[3]	唐敏, 张宇浩, 邓国强. 一种高效的非交互式隐私保护逻辑回归模型[J]. 计算机工程, 2023, 49(4): 32-42,51.
[4]	王群, 李馥娟, 倪雪莉, 夏玲玲, 梁广俊. 区块链隐私保护机制研究[J]. 计算机工程, 2023, 49(4): 1-13.
[5]	杨越佳, 华蓓, 钟志威, 高咪. 基于同态加密的隐私保护逻辑回归协同计算[J]. 计算机工程, 2023, 49(4): 23-31.
[6]	张晓均, 刘庆, 郑爽, 王鑫, 薛婧婷, 王世雄. 支持隐私保护的可验证云端数据分享方案[J]. 计算机工程, 2023, 49(3): 49-57.
[7]	李尤慧子, 俞海涛, 殷昱煜, 高洪皓. 基于超级账本的集群联邦优化模型[J]. 计算机工程, 2023, 49(1): 22-30.
[8]	周全兴, 李秋贤, 丁红发, 樊玫玫. 基于博弈论优化的高效联邦学习方案[J]. 计算机工程, 2022, 48(8): 144-151,159.
[9]	陈乃月, 金一, 李浥东, 蔡露鑫, 魏圆梦. 基于区块链的公平性联邦学习模型[J]. 计算机工程, 2022, 48(6): 33-41.
[10]	朱黎明, 丁晓波, 龚国强. 图数据连续发布中的隐私保护方法[J]. 计算机工程, 2022, 48(5): 154-161.
[11]	谷青竹, 董红斌. PPDM中面向k-匿名的MI Loss评估模型[J]. 计算机工程, 2022, 48(4): 143-147.
[12]	徐鑫, 温蜜. 基于数据库驱动认知无线电网络的位置隐私保护方案[J]. 计算机工程, 2022, 48(2): 164-172.
[13]	杨洋, 胡晓辉, 杜永文. 基于历史查询概率的K-匿名哑元位置选取算法[J]. 计算机工程, 2022, 48(2): 147-155.
[14]	张晓东, 陈韬伟, 余益民. 一种基于LWE‐CPABE的区块链数据共享方案[J]. 计算机工程, 2022, 48(10): 158-168,175.
[15]	吴甜甜, 杨亚芳, 赵运磊. 一种面向车联网通信的条件隐私保护认证协议[J]. 计算机工程, 2021, 47(6): 14-22.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

面向数据发布的隐私保护模型及参数优选方法

Privacy Protection Model and Parameter Optimization Method for Data Dissemination

RichHTML

PDF

可视化

被引次数

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

本文评价