抵制敏感属性相似攻击的个性化（α,k,m,d）-匿名模型

作者：邓博允

来源：电脑知识与技术, 2020, 16(16): 38-41.

DOI：10.14004/j.cnki.ckt.2020.1959

• 隐私保护
• 个性化
• 相似性攻击
• (α,k)-匿名模型
• (α,k,m,d)-匿名模型

目前,在数据发布领域很少有隐私保护模型满足对敏感属性的个性化保护多数隐私保护,同时又能防御相似攻击。该文针对个性化(α,k)-匿名模型不能抵制敏感属性相似攻击的问题,提出了一种可抵制敏感属性相似攻击的个性化(α,k,m,d)-匿名模型。该模型为敏感属性值建立语义层次树,对敏感属性之间的相异度进行度量,使每个等价类满足个性化(α,k)-匿名模型,同时为了防止等价类遭受相似攻击,要求等价类中满足相异性度量的敏感属性个数大于m。实验数据表明,该文提出的个性化(α,k,m,d)-匿名模型相对于(α,k)-匿名模型在差不多的时间花销,能防御相似攻击,更具安全性。

• 单位
  广东工业大学