一种考虑实用性的多属性数据去隐私方法技术

本发明专利技术公开了一种考虑实用性的多属性数据去隐私方法，包括以下步骤：步骤1：导入预处理后的多属性数据；步骤2：根据属性描述定义必要属性和敏感属性，设定必要属性的预分组规则，根据属性特征定义必要属性的顺序；步骤3：构建隐私暴露风险树，分别将步骤2中的属性顺序和预分组规则作为隐私暴露风险树的层级顺序和每层级分支产生的依据；步骤4：根据敏感属性在隐私暴露风险树的节点和边上编码风险测量结果信息；本发明专利技术可以灵活地从几种常用的语法匿名化和差异隐私模型中选择适合的方法来解决隐私问题，以满足对不同数据的多种隐私需求；其中隐私暴露风险树利用树结构特有的优势，实现了对多维集合的空间紧凑设计。

A privacy preserving method for multi attribute data considering practicability

The invention discloses a method for multi attribute data privacy to consider practical, which comprises the following steps: Step 1: multi attribute data import after pretreatment; step 2: according to the necessary properties to define attributes and sensitive attributes, the pre grouping rules set the necessary attributes, attributes according to the order defined attributes necessary steps; 3: Construction of privacy risk tree, respectively, in step 2 attribute order and pre grouping rules as the order of the hierarchy of privacy exposure risk tree and each level branch basis; step 4: according to the sensitive attribute privacy exposure in tree nodes and edges on the risk measurement results of encoding information; the invention can flexibly choose methods from several anonymous grammar and differences of privacy model to solve the privacy problem, to meet the various needs of different data and privacy; Privacy exposure risk tree uses the unique advantages of tree structure to achieve the compact design of multidimensional set space.

【技术实现步骤摘要】
一种考虑实用性的多属性数据去隐私方法
本专利技术涉及信息隐藏
，特别涉及一种考虑实用性的多属性数据去隐私方法。
技术介绍
数据所有者在展示数据或者将数据公开用于分析之前，需要考虑该数据是否涉及到个体的敏感信息。若涉及相关问题，那么数据需要预先进行去隐私处理。现有技术中关方法主要包括以下三个方面：第一方面隐私保护模型，在隐私保护领域，很多自动方法已经被提出，其中语义匿名模型和差分隐私模型是两类最常见的隐私保护模型。其中k-anonymity(L.Sweeney.k-anonymity:Amodelforprotectingprivacy.InternationalJournalofUncertainty,FuzzinessandKnowledge-BasedSystems,10(05):557–570,2002.)、l-diversity(A.Machanavajjhala,D.Kifer,J.Gehrke,andM.Venkitasubramaniam.l-diversity:Privacybeyondk-anonymity.ACMTransactionsonKnowledge本文档来自技高网...

【技术保护点】
一种考虑实用性的多属性数据去隐私方法，其特征在于，包括以下步骤：步骤1：导入预处理后的多属性数据；步骤2：根据属性描述定义必要属性和敏感属性，设定必要属性的预分组规则，根据属性特征定义必要属性的顺序；步骤3：构建隐私暴露风险树，分别将步骤2中的属性顺序和预分组规则作为隐私暴露风险树的层级顺序和每层级分支产生的依据；步骤4：根据敏感属性在隐私暴露风险树的节点和边上编码风险测量结果信息。

【技术特征摘要】
1.一种考虑实用性的多属性数据去隐私方法，其特征在于，包括以下步骤：步骤1：导入预处理后的多属性数据；步骤2：根据属性描述定义必要属性和敏感属性，设定必要属性的预分组规则，根据属性特征定义必要属性的顺序；步骤3：构建隐私暴露风险树，分别将步骤2中的属性顺序和预分组规则作为隐私暴露风险树的层级顺序和每层级分支产生的依据；步骤4：根据敏感属性在隐私暴露风险树的节点和边上编码风险测量结果信息。2.如权利要求1所述的考虑实用性的多属性数据去隐私方法，其特征在于，还包括步骤5：在隐私暴露风险树上进行基于语义匿名方法的属性值合并。3.如权利要求1所述的考虑实用性的多属性数据去隐私方法，其特征在于，还包括步骤6：在隐私暴露风险树上进行基于差分隐私的对特定集合的特定属性添加不同大小的噪音。4.如权利要求1所述的考虑实用性的多属性数据去隐私方法，其特征在于，还包括以下步骤：步骤7：根据必要属性展开二维矩阵，二维矩阵中右上角每个格子显示原始数据的相应联合分布，对角线显示表示相应属性分布的统计图，左下角每个格子显示处理后数据的相应联合分布。5.如权利要求4所述的考虑实用性的多属性数据去隐私方法，其特征在于，步...

【专利技术属性】
技术研发人员：陈为，王叙萌，关会华，陈文龙，劳天溢，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33