[发明专利]一种基于聚类映射的K-匿名数据处理方法及系统

权利要求书

1.一种基于聚类映射的K-匿名数据处理方法，其特征在于，包括：

对待发布数据表进行预处理，得到待处理数据表；

预设所述待处理数据表的隐私保护程度；

对所述待处理数据表中的准标识属性预定义泛化规则；

定义量化所述待处理数据表中记录之间距离的距离量化模型；

根据所述距离量化模型及所述隐私保护程度完成数据表记录的聚类映射，生成分组信息；

根据所述分组信息按照所述泛化规则进行泛化处理，形成待发布的匿名数据表。

2.根据权利要求1所述的K-匿名数据处理方法，其特征在于，所述对待发布数据表进行预处理，得到待处理数据表；包括：

仅保留所述待发布数据表中准标识属性和敏感属性，构成待处理数据表。

3.根据权利要求1所述的K-匿名数据处理方法，其特征在于，所述预设隐私保护程度，包括：

根据所述待处理数据表中信息的重要程度确定隐私保护程度，即隐私保护阈值K；

所述隐私保护阈值K设定在2到所述待发布数据表中记录总条数之间的整数。

4.根据权利要求1所述的K-匿名数据处理方法，其特征在于，所述对所述待处理数据表中的准标识属性预定义泛化规则；包括：

若所述准标识属性的数据类型为数值型，则无需预定义，在所述泛化处理过程中动态获取；

若所述准标识属性的数据类型为分类型，则按照该所述准标识属性的语义建立泛化树，将各所述准标识属性的属性值泛化为语义更抽象、范围更广的属性值。

5.根据权利要求1所述的K-匿名数据处理方法，其特征在于：所述待处理数据表中两条记录在所有所述准标识属性上的距离的总合作为该所述两条记录的量化距离。

6.根据权利要求5所述的K-匿名数据处理方法，其特征在于：对于所述准标识属性为数值型的，任意两个记录之间的距离为：

其中，

v_i和v_j分别表示两个记录在数值型准标识属性上的取值；

D表示该数值属性的域值大小；

对于所述准标识属性为分类型的，任意两个记录之间的距离为：

DistC(v_i，v_j)＝Dist(v_i，Λ(v_i，v_j))*Dist(v_j，Λ(v_i，v_j))

其中，

Λ(v_i，v_j)表示叶子节点v_i和v_j的最小公共父节点；

H(X)表示节点X在泛化树的高度；

H(T_C)表示该属性泛化树的总高度；

node(X)表示节点X在泛化树上包含的叶子节点数；

node(T_C)表示该属性泛化树的总叶子节点数。

7.根据权利要求1所述的K-匿名数据处理方法，其特征在于：所述根据所述距离量化模型及所述隐私保护程度完成数据表记录的聚类映射，生成分组信息；包括：

将待处理数据表中每个准标识属性列中的高频值构成序列值；

根据所述距离量化模型度量所述待处理数据表中所有记录与所述序列值之间的量化距离，选择所述量化距离最小的一条记录作为第一个聚类质心；

根据所述距离量化模型度量所述待处理数据表中所有记录与第一个所述聚类质心之间的量化距离，选择与第一个所述聚类质心的所述量化距离最近的K条记录划分为一个分组；

根据所述距离量化模型度量所述待处理数据表中剩余未分组记录到已有聚类质心的距离总和最小的一条作为一个所述聚类质心；

根据所述距离量化模型度量所述待处理数据表中所有剩余未分组记录与该所述聚类质心之间的量化距离，选择与该所述聚类质心的所述量化距离最近的K条记录划分为一个分组；

迭代聚类映射，直至完成所有聚类的映射。