10.3969/j.issn.1000-386X.2008.08.024
一种基于K-anonymity模型的数据隐私保护算法
在数据共享的同时,如何保证数据的隐私性是一个重要的问题.泛化方法是数据隐私保护的一种重要方法,但现有的泛化算法不能处理连续属性,数据错误率比较高.在K-anonymity模型基础上,提出了一种扩展泛化算法EGA(Extended Generalization Algorithm),该算法在满足给定K值的条件下,用相对不具体的值最小限度地替换敏感数据,并实现了对离散属性和连续属性的处理.实验结果表明,与现有泛化算法相比,提出的算法具有运行效率高、数据错误率低、能保持敏感数据分类特性等优点.
K-anonymity、数据隐私、数据泛化
25
TP3;G20
上海市科学技术委员会科研计划项目课题05dz15005
2008-10-15（万方平台首次上网日期，不代表论文的发表时间）
共3页
65-67
