面向缺失数据的数据匿名方法

在数据发布过程中，为了防止隐私泄露，需要对数据的准标识符属性进行匿名化，以降低链接攻击风险，实现对数据所有者敏感属性的匿名保护.现有数据匿名方法都建立在数据无缺失的假设基础上，在数据存在缺失的情况下会直接丢弃相关的记录，造成了匿名化前后数据特性不一致.针对缺失数据匿名方法进行研究，基于k-匿名模型提出面向缺失数据的数据匿名方法KAIM(k-anonymity for incomplete mircrodata)，在保留包含缺失记录的前提下，使在同一属性上缺失的记录尽量被分配到同一分组参与泛化.该方法将分组泛化前后的信息熵变化作为距离，基于改进的k-member 算法对数据进行聚类分组，最后通过基于泛化层次的局部泛化算法对组内数据进行泛化.实际数据集的大量实验结果表明，KAIM 造成信息缺损仅为现有算法的43.8%，可以最大程度地保障匿名化前后数据特性不变