%0 Journal Article
%T 聚类的(α,k)-匿名数据发布
%A 杨高明
%A 杨静
%A 张健沛
%J 电子学报
%P 1941-1946
%D 2011
%X 为更好的抵御背景知识攻击和同质攻击,保护特定的敏感值或全部敏感值,定义了单敏感值(α,k)-匿名模型和多敏感值(α,k)-匿名模型,并分别设计了两个聚类算法予以实现,同时分析了算法的正确性和复杂性.对于即包含连续属性又包含分类属性的数据集,给出了数据集的详细映射与处理方法,使数据集中点的距离可以方便的计算,彻底避免了把数据点距离和信息损失混淆的情况.详细的理论分析和大量的实验评估表明算法有较小的信息损失和较快的执行时间.
%K 数据发布
%K k-匿名
%K l-多样性
%K 隐私保护
%K 聚类
%U http://www.ejournal.org.cn/CN/abstract/abstract2307.shtml