![]() |
基本信息Personal Information
教授
性别 : 男
毕业院校 : 复旦大学计算机系
在职信息 : 在岗
所在单位 : 计算机科学与技术学院
入职时间 : 1987年08月01日
扫描关注
面向数值型敏感属性的分级l-多样性模型
点击量 :
第一作者 : 韩建民
发表时间 : 2011-01-01
发表刊物 : 计算机研究与发展
所属单位 : 数理与信息工程学院
文献类型 : 期刊
期号 : 第1期
页面范围 : 147-158
ISSN : 1000-1239
关键字 : k-匿名;同质性攻击;背景知识攻击;l-多样性;数值型敏感属性
摘要 : 近年来,数据发布隐私保护问题受到了广泛关注,相继提出了多种隐私保护匿名模型.l-多样性模型是其中保护个体隐私的有效方法,但现有的l-多样性模型只适合处理分类型敏感属性,不适合处理数值型敏感属性.为此,提出面向数值型敏感属性的分级l-多样性模型,包括分级相异l-多样性、分级信息熵l-多样性和分级递归(c,l)-多样性.所提出的模型首先将数值型敏感属性域分级,再基于分级信息实现数值型敏感属性的l-多样性.设计了实现这些模型的l-Incognito算法.并且从匿名表的多样性角度进行了比较,实验表明分级l-多样性
是否译文 : 否