文献类型：期刊文章

作　　者：韩建民[1,2] 岑婷婷[2] 虞慧群[1]

机构地区：[1]华东理工大学计算机科学与工程系,上海200237 [2]浙江师范大学数理与信息工程学院,浙江金华321004

出　　处：《电子学报》

基　　金：国家自然科学基金(No.60773094,No.60473055);上海市曙光计划(No.07SG32);上海市浦江人才计划(No.05PJ14030)

年　　份：2008

卷　　号：36

期　　号：10

起止页码：2021-2029

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20084911765028)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：数据表的k-匿名化(k-anonymization)是数据发布时保护私有信息的一种重要方法.泛化/隐匿是实现k-匿名的传统技术,然而,该技术存在效率低、k-匿名化后数据的可用性差等问题.近年来,微聚集(Microaggregation)算法被应用到数据表的k-匿名化上,弥补了泛化/隐匿技术的不足,其基本思想是:将大量的数据按相似程度划分为若干类,要求每个类内元组数至少为k个,然后用类质心取代类内元组的值,实现数据表的k-匿名化.本文综述了微聚集算法的基本思想、相关技术和当前动态,对现有的微聚集算法进行了分类分析,并总结了微聚集算法的评估方法,最后对微聚集算法的研究难点及未来的发展趋势作了探讨.

关 键 词：K-匿名 泛化/隐匿  微数据  微聚集  隐私保护

分 类 号：TP309.2]