k-prototype聚类算法和相对熵下敏感数据重发布隐私安全保护

摘要

为了有效保证敏感属性数据重发布的安全性和隐私性，本文提出一种基于k-prototype聚类算法和相对熵的敏感属性数据重发布隐私保护方法。根据敏感属性数据的类型属性，采用快速聚类完成各个数据类型属性的距离计算，通过k-prototype聚类算法完成敏感属性数据聚类。利用相对熵计算聚类后敏感属性数据的敏感程度，根据敏感程度组建加权多维桶分组展开敏感属性数据重发布匿名处理，最终达到隐私保护的目的。实验结果表明，本文所提方法可以有效降低隐私数据的隐匿率、信息损失度及信息披露度，提升敏感属性数据重发布隐私保护程度，确保数据的安全性。

关键词

k-prototype聚类算法 / 相对熵 / 敏感属性数据 / 重发布 / 隐私保护