数据发布中基于模糊集的隐私保护研究
【出 处】:
【作 者】:
刘英华
【摘 要】
隐私保护数据发布是近年来研究的热点技术之一,主要研究如何在数据发布中避免敏感数据的泄露,又能保证数据发布的高效用性。基于模糊集的隐私保护模型,文中方法首先计算训练样本数据的先验概率,然后通过将单个敏感属性和两个相关联属性基于贝叶斯分类泛化实现隐私保护。通过实验验证基于模糊集的隐私保护模型(Fuzzy k-匿名)比经典隐私保护k-匿名模型具有更高的效率,隐私保护度高,数据可用性强。
相关热词搜索: 数据发布 隐私保护 模糊集 贝叶斯分类 K-匿名 data publishing privacy preserving fuzzy sets Bayesian classification k-anonymity
上一篇:基于信息融合的分布式时间同步算法
下一篇:支撑产业链协同的公共服务平台研究综述