面向敏感值的层次化多源数据融合隐私保护
点击次数：
所属单位：计算机科学与技术学院/人工智能学院/软件学院
发表刊物：计算机科学
关键字：数据融合;敏感度;层次化隐私模型;k-匿名;
摘要：数据融合技术能够使用户得到更全面的数据以提供更有效的服务。然而现有的多源数据融合隐私保护模型没有考虑数据提供者的重要程度,以及数据不同属性和属性值的敏感度。针对上述问题,提出了一种面向敏感值层次化的隐私模型,该模型通过数据提供者对数据的匿名程度要求来设置数据属性以及属性值的敏感度以实现敏感值的个性化隐私保护。同时结合k-匿名隐私模型以及自顶向下特殊化TDS的思想提出了一种面向敏感值的多源数据融合隐私保护算法。实验表明,该算法既能实现数据的安全融合,又能获得更好的隐私保护。
是否译文：否
发表时间：2017-09-15
合写作者：杨月平,薛明富
通讯作者：王箭