-
公开(公告)号：CN101964034A
公开(公告)日：2011-02-02
申请号：CN201010298698.1
申请日：2010-09-30
Applicant: 浙江大学
Abstract: 本发明公开了一种模式信息损失最小化的序列类数据隐私保护方法。基于一个广义的模式定义模型以及实际应用需求来确定模式定义函数集，在此基础上选择能够实现模式信息损失最小化的模式映射函数以提取模式特征。同时基于攻击者的背景知识来确定隐私攻击类型，基于k匿名技术，对时间序列的QI属性值和模式特征施加(k，P)匿名模型，该模型将时间序列的属性泛化区间以及模式特征分别作为独立的形式发布，在保证数据隐私的基础上，将时间序列的模式信息最小化，保证数据的可用性。(k，P)匿名模型能够兼容各种模式定义方式并拥有一套完整的可用性评估机制，其完善性和有效性使得(k，P)匿名模型能够在最大程度上博得信赖，获得广泛应用。
-
公开(公告)号：CN101964034B
公开(公告)日：2012-08-15
申请号：CN201010298698.1
申请日：2010-09-30
Applicant: 浙江大学
Abstract: 本发明公开了一种模式信息损失最小化的序列类数据隐私保护方法。基于一个广义的模式定义模型以及实际应用需求来确定模式定义函数集，在此基础上选择能够实现模式信息损失最小化的模式映射函数以提取模式特征。同时基于攻击者的背景知识来确定隐私攻击类型，基于k匿名技术，对时间序列的QI属性值和模式特征施加(k，P)匿名模型，该模型将时间序列的属性泛化区间以及模式特征分别作为独立的形式发布，在保证数据隐私的基础上，将时间序列的模式信息最小化，保证数据的可用性。(k，P)匿名模型能够兼容各种模式定义方式并拥有一套完整的可用性评估机制，其完善性和有效性使得(k，P)匿名模型能够在最大程度上博得信赖，获得广泛应用。
-
Search Results
2
records
(took 0.014 seconds)
