[发明专利]一种新的k匿名实现方法及系统

权利要求书

1.一种新的k匿名实现方法，其特征在于，所述新的k匿名实现方法包括：

在数值属性上添加噪声：把整个数据集划分成几个等价匿名类，每个匿名等价类中数据个数大于k，且每个等价类中的数据尽可能的相似；

求得等价匿名类数值属性的极差R，产生期望为零极差为R的均匀分布的随机噪声；

把噪声添加到匿名类的每个元素上，实现k匿名；

在非数值属性上通过随机化实现k匿名：通过泛化实现k匿名；对泛化后的结果进行随机化；

在数值属性上添加噪声的方法，具体包括：

输入：待匿名化的数据集D及实现k匿名的参数k；

输出：对数据集D实现k-匿名的数据集D’；

(1)D被划分成c个匿名类，g_i表示第i个匿名等价类，表示g_i中第k条记录，g_i中记录尽可能相似，|g_i|表示g_i中记录的个数，且|g_i|≥k；

(2)for i＝1 to c；

(3)

(4)for j＝1 to|g_i|；

(5)在区间内生成服从均匀分布的一个随机数n；

(6)表示第i个子类中第j条记录；

(7)

(8)

(9)把添加到数据D'；

(10)endfor；

(11)endfor

(12)return D'；

在非数值属性上通过随机化实现k匿名的方法包括：

输入：待匿名化的数据集D及实现k匿名的参数k；

输出：对数据集D实现k-匿名的数据集D’；

(1)D被划分成c个匿名类，g_i表示第i个匿名等价类，表示g_i中第k条记录，g_i中记录尽可能相似，|g_i|表示g_i中记录的个数，且|g_i|≥k；

(2)对于数据集g_i中每条记录泛化成是g_i中所有元素的共同祖先，对于g_i中每条记录用以相同的概率替代，其中表示以

(3)把添加到数据D'；

(4)endfor；

(5)endfor；

(6)return D'；

在数值属性上添加噪声与在非数值属性上通过随机化实现k匿名中，均把原始数据集划分成几个小的数据集，划分后使得子数据集中数据尽可能的相似，采用距离作为两个元素相似性度量标准；在数值属性上添加噪声中采用欧氏距离，在非数值属性上通过随机化实现k匿名中采用泛化距离；

在数值属性上添加噪声与在非数值属性上通过随机化实现k匿名中，均采用聚类的方法划分等价匿名类；包括：

第一步、把原始数据集划分成几个不同子集，使得子集中的元素尽可能的相似；

第二步、在不同的子集上寻找等价匿名类，进行层次距离划分，形成满足要求的等价匿名类；

对原始数据集进行划分采用最小类内距离的方法；

包括：随机确定c个初始聚类中心，c值的确定通过实验得出合理值；根据其他元素与聚类中心的距离把其他元素划分到不同子类中；然后更新聚类中心，循环此过程直到聚类中心不变化或达到训次数；输出聚类结果；

第二步，形成满足要求的等价匿名类中，采用自底向上归并的办法，产生包含元素个数大于k小于2k的簇；具体包括：

输入T为聚类的方法中产生的子类，T'表示满足要求的匿名类集；

相同标识符的元素形成等价类，对各等价类进行归并，得到满足要求的匿名等价类；

判断若标识符相等的等价类若包含元素个数大于k，则已满足匿名化要求，直接放入T'中；

处理标识符相等的等价类中元素个数少于k时的情况，在T中随机选择E_i，计算E_i与T和T'中包含的其他子集的距离，寻找与E_i距离最近的子集E_j，因|E_i|＜k，若|E_j|+|E_i|＜k，表明，E_j在T中，E_i与E_j合并后仍不能满足k匿名的要求，E_i与E_j合并后放入T中，若k＜|E_j|+|E_i|＜2*k，E_i与E_j合并后满足k匿名的要求；E_j在T中或在T'中，故E_i与E_j从T或T'中移除，合并后放入T'，若|E_j|+|E_i|＞2*k，表明E_j在T'中，且从E_j中移除(k-|E_i|)个元素，后E_j中仍有多于k元素，从E_j中移出(k-|E_i|)个元素合并到E_i中，并把新的E_i与E_j放入T'中；最终输出T'，T'中包含的所有集合均满足k匿名的要求；

所述新的k匿名实现方法具体包括：

输入：输入原始D及k匿名中k的值；

输出：匿名化后的数据集D′；

(1)运行算法3，把原始数据D划分成较小的数据集D＝{D₁,D₂,…D_c}；

(2)For all D_i∈{D₁,D₂,…D_c}；

(3)E′＝Φ,在数据集D_i上运行算法4，得到E＝{E₁,E₂,…E_m}且k≤|E_m|＜2k；

(4)For all E_j∈{E₁,E₂,…E_m}；

(5)在数据集E_j上运行算法1或者算法2得到E′_j；

(6)把E_j′加入到E′；

(7)Endfor；

(8)D_i′＝E′

(9)把D_i′加入到D′；

(10)Endfor；

(11)返回D′。