在线刊号(2320-9801)印刷刊号(2320-9798)
基于云地图缩减的可伸缩两阶段自顶向下专门化数据匿名化方法
以最特定的状态发布个人特定数据会对个人隐私构成威胁。本文提出了一种实用且高效的算法,用于确定数据的抽象版本,该版本掩盖了敏感信息,并对标准化组织仍然有用。数据的分类是通过自顶向下的方式专门化或详细描述信息级别来实现的,直到最低的隐私要求受到损害。这种自顶向下的专门化对于处理确定属性和连续属性都是实用和有效的。我们的方法利用了数据通常包含冗余结构进行分类的场景。虽然泛化可能会删除一些结构,但会出现其他结构来提供帮助。我们的研究结果表明,即使在高度禁止隐私要求的情况下,分类标准也可以被保留。这项工作对公共和私营部门都有很大的应用价值,因为它们可以共享信息,实现互利和提高生产力。
Shweta Sunil Bhand, j.l. chaudhari教授