面向微数据的快速匿名隐私算法

摘要

本发明公开了一种面向微数据的快速匿名隐私算法，涉及匿名隐私保护技术领域。本发明将集合中同一律的思想和Incognito算法相结合，提出了F‑Incognito算法。F‑Incognito算法将其中一个达到最高级别泛化属性的节点看成全集，利用A与全集的交集等于A的思想，对其他属性组成的节点进行判断，有效减少了等价类数量的计算量。实验表明：该算法能够保留Incognito算法得特点，同时提高了求解泛化节点表的时间效率，时间缩短比例高达60％。因此，F‑Incognito算法在处理大数据集时，具有显著优势。

主权项

一种面向微数据的快速匿名隐私算法，其特征在于：输入：数据表T；准标识符集QI，匿名约束k；输出：满足k‑匿名的全域泛化表格，具体步骤如下：1)根据各属性值可能的泛化值形成泛化格，其中C_i为网格中的节点集，E_i为网格中的边集；2)各属性值最高泛化级别集合表示为MGL；3)首先，设有空队列queue；4)设准标志符个数为n，i为变量，i初始值为1且小于n，进入以下循环；5)当i>1时获取C_i‑1，设C_i中E_i没有变直接到达的节点集为roots；6)把roots中的节点插入到queue中；7)设变量node，取出queue中的一个节点插入到node中；如果node没被标记过，同时node的各属性泛化级别存在一个属性在MGL中的属性泛化级别，并且node的其他属性组成的节点在C_i‑1中，则把node的直接泛化节点标记；如果node被标记过则删除该节点，并把node的直接泛化节点插入到queue中，直到queue为空；8)计算node泛化数据表的等价类；如果node泛化数据表T满足k‑匿名，那么标记node的直接泛化节点；否则将node节点从C_i中删除，并把node的直接泛化节点插入到queue；9)通过删除后的节点C_i和E_i生成C_i+1和E_i+1；10)返回所有满足k‑匿名的泛化节点表。