采用熵的多维<i>K</i>-匿名划分方法

晏华; 刘贵松

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用熵的多维K-匿名划分方法

晏华, 刘贵松

文章导航 > 电子科技大学学报 > 2007 > 36(6): 1228-1231

晏华, 刘贵松. 采用熵的多维K-匿名划分方法[J]. 电子科技大学学报, 2007, 36(6): 1228-1231.

引用本文:

晏华, 刘贵松. 采用熵的多维K-匿名划分方法[J]. 电子科技大学学报, 2007, 36(6): 1228-1231.

YAN Hua, LIU Gui-song. Multidimensional K-anonymity Partition Method Using Entropy[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1228-1231.

Citation:

YAN Hua, LIU Gui-song. Multidimensional K-anonymity Partition Method Using Entropy[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1228-1231.

采用熵的多维K-匿名划分方法

晏华,
刘贵松

1.
电子科技大学计算智能实验室成都 610054

基金项目:

国家自然科学基金(60471055)

详细信息

作者简介:
晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

中图分类号: TP309.2

Multidimensional K-anonymity Partition Method Using Entropy

1.
Computational Intelligence Laboratory,University of Electronic Science and Technology of China Chengdu 610054

摘要: K-匿名是数据发布应用场景下重要的隐私保护模型。近年来数据集K-匿名化的算法得到广泛的研究,Median Mondrian算法是目前唯一的多维K-匿名划分方法。文中研究了Median Mondrian算法,指出其不能有效地平衡数据划分精度与数据隐私安全性之间的矛盾,由此提出基于熵测度机制的多维K-匿名划分方法以及评估K-匿名化结果安全性的测量标准。实验表明该算法是可行的,能有效地提高数据安全性。
- 熵 /
- K-匿名 /
- 多维划分 /
- 准标识符
Abstract: K-anonymity is an important privacy preserving model in the data publishing scenario. The algorithms on dataset K-anonymization are researched extensively in recent years, Median Mondrian algorithm is the only multidimensional K-anonymity partition method. However, our research shows that Median Mondrian algorithm is not well-balanced on dealing with the contradiction between data partition precision and data privacy preserving. In this paper, we propose an entropy-based multidimensional K-anonymity partition method and a new evaluation measure on K-anonymization results. The experimental results show that our new method is feasible and preserves the privacy much more efficiently than Median Mondrian algorithm.
- entropy /
- K-anonymity /
- multidimensional partition /
- quasi-identifier

[1]	冯琴荣, 温玮华. 区间值信息系统的熵度量 . 电子科技大学学报, 2021, 50(1): 101-105. doi: 10.12178/1001-0548.2019243
[2]	张少波, 刘琴, 李雄, 王国军. 基于缓存候选结果集的轨迹隐私保护方法 . 电子科技大学学报, 2018, 47(3): 449-454. doi: 10.3969/j.issn.1001-0548.2018.03.020
[3]	赵倩文, 吴晔, 王胜烽. 人在社交网络中的投资行为研究 . 电子科技大学学报, 2018, 47(2): 298-302. doi: 10.3969/j.issn.1001-0548.2018.02.022
[4]	宋明秋, 王琳, 姜宝彦, 邓贵仕. 多属性泛化的K-匿名算法 . 电子科技大学学报, 2017, 46(6): 896-901. doi: 10.3969/j.issn.1001-0548.2017.06.018
[5]	卢扬, 樊超, 韩筱璞, 荣智海. 签到行为的可预测性及影响因素分析 . 电子科技大学学报, 2015, 44(2): 163-171. doi: 10.3969/j.issn.1001-0548.2015.02.001
[6]	邹赛, 汪文勇, 唐勇, 张骏. 在动态水环境中基于熵的无线传感器网络路由算法 . 电子科技大学学报, 2014, 43(1): 82-87. doi: 10.3969/j.issn.1001-0548.2014.01.014
[7]	陈庆利, 蒲亦非, 黄果, 周激流. 数字图像的0~1阶Riemann-Liouville分数阶微分增强模板 . 电子科技大学学报, 2011, 40(5): 772-776. doi: 10.3969/j.issn.1001-0548.2011.05.026
[8]	黄智勇, 曾孝平, 周建林, 石幸利. 利用接触跟踪机制实现Email蠕虫的检测 . 电子科技大学学报, 2011, 40(3): 435-439. doi: 10.3969/j.issn.1001-0548.2011.03.021
[9]	于江德, 李学钰, 樊孝忠, 庞文博. 最大熵模型的事件分类 . 电子科技大学学报, 2010, 39(4): 612-616. doi: 10.3969/j.issn.1001-0548.2010.04.030
[10]	王鹏, 常征. 算法隐含并行性的物理模型 . 电子科技大学学报, 2009, 38(4): 588-591. doi: 10.3969/j.issn.1001-0548.2009.04.026
[11]	舒剑, 许春香. 高效的口令基认证组密钥协商协议 . 电子科技大学学报, 2009, 38(3): 393-396. doi: 10.3969/j.issn.1001-0548.2009.03.018
[12]	姜群, 李祖枢, 欧阳, 董世都, 邱小平. 在子集条件约束下的最大熵分布及其应用 . 电子科技大学学报, 2008, 37(1): 94-96,123.
[13]	童玲, 陈光礻禹, 吕文. 测量数据的信息熵与测量误差熵研究 . 电子科技大学学报, 2007, 36(5): 935-937.
[14]	葛森, 黄大贵. 基于最大互信息方法的机械零件图像识别 . 电子科技大学学报, 2007, 36(4): 801-804.
[15]	韩仲明. 通有连续时间神经网络的K-稳定性 . 电子科技大学学报, 2005, 34(2): 261-264.
[16]	李毅超, 陈波, 周明天. 一种依据慈善算法的偶图k-完全匹配 . 电子科技大学学报, 2004, 33(5): 566-569.
[17]	谭扬波, 陈光. 一种基于最大模糊熵的高斯聚类算法 . 电子科技大学学报, 2000, 29(3): 269-272.
[18]	肖琨, 余永健, 黄顺吉. 一种单视广义极化K-分布纹理参数的估计方法 . 电子科技大学学报, 1999, 28(5): 476-480.
[19]	关荣敏. 关于熵函数的探讨 . 电子科技大学学报, 1998, 27(1): 109-112.
[20]	钟守铭, 王毅. 具有时滞的非线性系统的k-全局稳定性 . 电子科技大学学报, 1997, 26(1): 94-98.

点击查看大图

计量

文章访问数: 4612
HTML全文浏览量: 239
PDF下载量: 165
被引次数: 0

采用熵的多维K-匿名划分方法

晏华,
刘贵松

1. 电子科技大学计算智能实验室成都 610054

基金项目:

国家自然科学基金(60471055)

作者简介:
晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

收稿日期: 2007-08-17
刊出日期: 2007-12-15

中图分类号: TP309.2

关键词:

熵 /
K-匿名 /
多维划分 /
准标识符

摘要: K-匿名是数据发布应用场景下重要的隐私保护模型。近年来数据集K-匿名化的算法得到广泛的研究,Median Mondrian算法是目前唯一的多维K-匿名划分方法。文中研究了Median Mondrian算法,指出其不能有效地平衡数据划分精度与数据隐私安全性之间的矛盾,由此提出基于熵测度机制的多维K-匿名划分方法以及评估K-匿名化结果安全性的测量标准。实验表明该算法是可行的,能有效地提高数据安全性。

English Abstract

晏华, 刘贵松. 采用熵的多维K-匿名划分方法[J]. 电子科技大学学报, 2007, 36(6): 1228-1231.

引用本文:

晏华, 刘贵松. 采用熵的多维K-匿名划分方法[J]. 电子科技大学学报, 2007, 36(6): 1228-1231.

YAN Hua, LIU Gui-song. Multidimensional K-anonymity Partition Method Using Entropy[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1228-1231.

Citation:

YAN Hua, LIU Gui-song. Multidimensional K-anonymity Partition Method Using Entropy[J]. Journal of University of Electronic Science and Technology of China, 2007, 36(6): 1228-1231.

全文HTML

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

编辑办公

友情链接

电子科技大学

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发

留言板

采用熵的多维K-匿名划分方法

作者简介:
晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

Multidimensional K-anonymity Partition Method Using Entropy

计量

采用熵的多维K-匿名划分方法

1. 电子科技大学计算智能实验室成都 610054

作者简介:
晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

English Abstract

Multidimensional K-anonymity Partition Method Using Entropy

1. Computational Intelligence Laboratory,University of Electronic Science and Technology of China Chengdu 610054

全文HTML

目录

期刊在线

编辑办公

友情链接

留言板

采用熵的多维K-匿名划分方法

作者简介: 晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

Multidimensional K-anonymity Partition Method Using Entropy

计量

出版历程

采用熵的多维K-匿名划分方法

1. 电子科技大学计算智能实验室 成都 610054

作者简介: 晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

English Abstract

Multidimensional K-anonymity Partition Method Using Entropy

1. Computational Intelligence Laboratory,University of Electronic Science and Technology of China Chengdu 610054

全文HTML

目录

期刊在线

编辑办公

友情链接

作者简介:
晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.

1. 电子科技大学计算智能实验室成都 610054

作者简介:
晏华(1970-),女,在职博士生,讲师,主要从事数据挖掘及其应用方面的研究.