[发明专利]增强型身份保持的隐私保护方法

说明书

本发明公开一种增强型身份保持的隐私保护方法，通过增强型的l‑多样性匿名和增强型的(α,β)‑匿名对数据的等价类分组进行匿名约束检测；同时，通过改进现有的匿名约束条件；增强型的l‑多样性的改进为采用碰集的思想获取敏感属性出现的最大次数，进而与l进行比较；增强型的(α,β)‑匿名改进了β的取值，β的分母改为个体的个数，而原有的匿名方法的分母为元组的个数；经过上述处理的数据在发布时，能够在保证满足数据分析的要求同时，更好地保护了患者的信息，有利于数据分析中的并发症、诱因等相关分析。

技术领域

本发明涉及数据发布技术领域，具体涉及一种增强型身份保持的隐私保护方法。

背景技术

随着信息技术的发展，越来越多的个人信息被有效的利用起来。如个人购物信息、社交信息和医疗数据等。当下有很多研究者提出了很多的匿名保护模型，如k-匿名和l-多样性等。但是这些匿名模型通常先删除个体身份属性，然后概化准标识属性来满足匿名要求，这些匿名模型通常假定单一个体在数据表中最多只出现一次。但是在实际情况中，这种前提假设是难以满足的。例如在某个医院发布的病人情况表中，某些病人就会由于同时患有多种不同的疾病，因而会出现多次在发布的表中。并且身份信息的删除也将会忽视了同一个体多个敏感属性之间可能的关联信息，而这种信息在很多研究中有很重要的意义。

为了更好的保护医疗数据中的数据隐私，现有的医疗数据匿名方法有身份保持的(k,l)-匿名和身份保持的(α,β)-匿名等。身份保持的(k,l)-匿名即在保留个体ID的情况下，将医疗数据中的所有数据进行聚类分组，使得每组数据至少要有k个个体和l个敏感属性。身份保持的(α,β)-匿名为在保留个体ID的情况下，将医疗数据中的所有数据进行聚类分组，使得每组数据中，任何一个个体中所包含的元组个数和所有元组个数比例不超过α，任何单一敏感属性出现的次数与分组中的所有元组的个数的比值小于等于β，其中0<α，β<1。比如表1中存在单一个体对应多条记录，通过上述身份保持匿名方法处理后得到发布表如表2所示。

表1单一个体对应多条记录的病人情况表

表2满足身份保持(3，3)-匿名和(0.4，0.6)-匿名的一个发布表

假设具有相同准标识符属性值的所有元组集合成为一个QI分组或等价类分组。其中，如果攻击者发现Mike在第一个QI分组中，则会推测Mike肯定患有Hypertension，因此隐私泄露的概率为100％。

但是从上例可以看出在满足的身份保持(3，3)-匿名和(0.4，0.6)-匿名的情况下，患者的隐私仍然会被泄露，如在分组1即Group-ID＝1中，可以推断出所有的患者都患有Hypertension。在现实生活中，用于发布的医疗数据常被用在各种特定用途中，如：数据链接挖掘，患者并发症问题等，这就需要改进原有的匿名方法。

发明内容

本发明所要解决的技术问题是现有身份保持的隐私保护仍存在隐私泄露的的问题，提供一种增强型身份保持的隐私保护方法。

为解决上述问题，本发明是通过以下技术方案实现的：

增强型身份保持的隐私保护方法，包括如下步骤：

步骤1)输入原始的数据集，并对原始数据集中的数据进行重编码，得到重编码后的数据集；

步骤2)生成新的等价类分组Q_i，并从数据集中随机选取一个个体p放入新生成的等价类分组Q_i中；

步骤3)计算数据集中剩余个体与个体p的距离，并将剩余个体中与个体p的距离最近的个体放入到等价类分组Q_i中；

步骤4)对等价类分组Q_i中的数据进行匿名约束检测；