面向多敏感属性的个性化分级(l,α,m)-多样性匿名方法

为了防止多敏感属性中敏感属性语义相似性导致的隐私泄露问题,同时尽可能减少匿名保护时的信息损失,提出了个性化分级(l,α,m)-多样性匿名模型.该模型根据敏感属性的语义相似性,对敏感属性进行分级,通过等价类分级加权多样度灵活控制敏感属性语义相异度,控制隐私泄露风险.在此基础上,给出一种基于聚类的匿名模型算法,该算法针对不同准标识符属性设置不同的权值进行泛化处理,构建个性化分级(l,α,m)-多样性匿名模型.实验结果表明,提出的聚类算法能很好地实现个性化分级(l,α,m)-多样性匿名模型,并且能够有效地保护含多敏感属性的个体隐私信息.