基于分解技术的匿名化算法及评估模型的实现

摘要

随着信息挖掘技术的发展，隐私保护越来越成为人们关注的热点。在众多的微数据隐私保护技术中，匿名化技术以其简单有效而得到了广泛的应用。而对匿名化技术的研究多处在理论研究阶段，还没有一个实现各种匿名模型的匿名化平台。微数据的拥有者发布微数据时，需要根据用户的隐私需求，开发匿名化工具，实现微数据的匿名化，使得微数据的发布成本高，发布不及时。因此实现一个微数据发布隐私保护匿名化平台具有重要的意义。本文主要设计并实现微数据发布匿名化系统中的基于分解技术的模块和评估模块。其中基于分解技术的模块以分桶算法中的MBF、MMDCF、MSDCF三个算法和基于多维分解技术的分解算法为主，评估模块采用规范化确定性罚值和隐匿率对分桶后的匿名表做数据评估。

关键词　分解；分桶算法；匿名化平台；多维分解算法

目录

摘要 I

第1章微数据发布隐私保护匿名技术 2

1.1匿名模型 2

1.1.1k-匿名模型 2

1.1.2l多样性模型 2

1.1.2（α,k）匿名模型 2

1.1.3t-closeness模型 3

1.2分解技术 3

1.3匿名数据质量评估 5

第2章基于分桶技术的分解算法 7

2.1最大桶优先算法 7

2.2最大维容量优先算法 12

2.2.1最大单维容量优先算法 13

2.2.2最大多维容量优先算法 13

第3章基于多维分解技术的分解算法 15

第4章基于分解技术的匿名化工具的实现 17

第5章总结与展望 25

5.1总结 25

5.2展望 25

参考文献 26

致谢 28