• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Machine Learning and Cybernetics >An anonymization method combining anatomy and permutation for protecting privacy in microdata with multiple sensitive attributes
【24h】

An anonymization method combining anatomy and permutation for protecting privacy in microdata with multiple sensitive attributes

机译：一种结合解剖和置换的匿名化方法，用于保护具有多个敏感属性的微数据中的隐私

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Microdata, such as customer transactional data, play an important role in data mining area. To protect privacy of individuals, microdata should be anonymized or desensitized before publishing or mining it. Anatomy is a popular technique to anonymize microdata. However, the Anatomy technique cannot resist linking attacks for the reason that it does not distort quasi-identifier attributes. To overcome the disadvantage of anatomy, we propose a method combining anatomy with permutation to anonymize microdata. The proposed method anonymizes microdata in two major steps: (1) anatomizing microdata, and (2) permutating quasi-identifier attributes. To realize the anonymization method, we further propose two algorithms, namely the NMBPA (Naive Multi-sensitive Bucketization Permutation Algorithm) and the CDMBPA (Closest Distance Multi-sensitive Bucketization Permutation Algorithm). Experimental results show that the proposed method can deal with linking attacks effectively, i.e., generate high quality anonymous data with low suppression ratios.
机译：诸如客户交易数据之类的微数据在数据挖掘领域起着重要的作用。为了保护个人隐私，在发布或挖掘微数据之前，应对其进行匿名化或脱敏处理。解剖学是使微数据匿名化的一种流行技术。但是，“解剖”技术由于不会扭曲准标识符属性，因此无法抵抗链接攻击。为了克服解剖学的缺点，我们提出了一种将解剖学与置换相结合的方法来匿名化微数据。所提出的方法在两个主要步骤中使微数据匿名化：（1）解剖微数据，以及（2）置换准标识符属性。为了实现匿名化方法，我们进一步提出了两种算法，即NMBPA（朴素的多敏感桶化置换算法）和CDMBPA（最近距离多敏感的桶化置换算法）。实验结果表明，该方法可以有效地处理链接攻击，即以较低的抑制率生成高质量的匿名数据。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号