基于敏感信息邻近抵抗的匿名方法
来源：计算机工程杂志2020年第12期北京时间：
作者：桂琼, 吕永军, 程小辉
单位：1. 桂林理工大学 信息科学与工程学院, 广西 桂林 541004;2. 武汉理工大学 信息工程学院, 武汉 430070
摘要：针对相似性攻击造成隐私泄露的问题，构建一种（r，k）-匿名模型，基于敏感属性语义关联，设定邻近抵抗阈值r，并提出满足该模型的匿名方法GDPPR。采用模糊聚类技术完成簇的划分，结合敏感属性相异度得出距离矩阵，使得每个等价类中相邻语义下的敏感属性取值频率不高于阈值r，同时保证较高的数据可用性。在两个标准数据集上的实验结果表明，该方案能够较好地满足（r，k）-匿名模型，有效抵抗相似性攻击，减少泛化产生的信息损失。
关键词：数据匿名,相似性攻击,模糊聚类,邻近抵抗,数据泛化
基金资助：国家自然科学基金地区科学基金项目（61862019）；广西自然科学基金面上项目（2017GXNSFAA198223）。
