科研之友
微信
新浪微博
Facebook
分享链接
摘要
在很多应用场景下，数据是实时发布的，并且这些数据绝大部分由多个敏感属性组成，针对传统的多维敏感属性数据发布隐私保护方法主要解决静态多维敏感属性数据发布或数据动态连续发布的隐私保护，而对多敏感属性实时流数据发布的研究较少这一问题，本文提出一种基于滑动窗口模型的加权优化多维桶分组算法（weighted optimization multi-dimensional bucket grouping algorithm,WOMBPA）。首先，在实时流数据发布过程中基于滑动窗口模型批处理思想，对不同敏感属性进行排序；然后根据不同属性敏感程度值，对数据构建加权优化多维桶分组；最后进行匿名化处理。实验分析结果表明，本文所提方法解决流数据发布中多个敏感属性保护的同时，也减少了信息损失度和隐匿率，保证发布数据的可用性。
- 单位
