资料下载
×
一种针对数据泄露的匿名模型GDPPR
消耗积分:0 |
格式:pdf |
大小:1.84 MB |
2021-03-16
分享资料个
针对相似性攻击造成隐私泄露的冋题，构建一种（r，κ）-匿名模型，基于敏感属性语义关联，设定邻近抵抗阈值r，并提岀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岀距离矩阵，使得每个等价类中相邻语义下的敏感属性取值频率不髙于阈值r，同时保证较髙的数据可用性。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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
