（α'k）-匿名数据集的增量更新算法

摘要：

现如今已提出了多种个性化的隐私保护算法，这些隐私保护算法大多是针对静态数据的，而动态新增数据集和原始匿名数据集的同步更新是一个亟待解决的问题。建立一种在(α'k)-匿名数据基础上的增量更新方法，对于每个元组计算语义贴近度并选择合适的等价类进行元组更新，使得最终动态更新后的数据也满足(α'k)-匿名。算法分析及仿真实验结果表明，算法以较小的信息损失和执行时进行数据动态更新。

关键词：数据发布、隐私保护、(αk)-匿名、语义贴近度

所属期刊栏目：52

分类号：TP309(计算技术、计算机技术)

资助基金：兰州市科技计划项目No.20141256。

在线出版日期：2016-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：90-94