基于聚类的数字图书馆用户隐私保护方法

作者：蔡晓峰

来源：电子测量技术, 2020, 43(02): 123-127.

DOI：10.19651/j.cnki.emt.1903291

• 数字图书馆
• 隐私保护
• 聚类
• 属性概化

为提高数字图书馆用户隐私数据保护性能,提出了一种基于聚类的用户数据隐私保护方法。首先,利用数字图书馆和用户之间的关系数据构建网络模型。然后,利用综合特征距离对模型中节点进行聚类,将原始节点集合转化为至少包含k个节点的超点。最后,对超点中的节点属性信息进行概化处理,降低攻击者获取用户隐私数据的概率。实验结果表明,该方法的属性信息损失较低,匿名发布精度较高,且运算量较小,适合应用于数字图书馆用户隐私数据保护场合。

• 单位
  江苏经贸职业技术学院