计算机工程

作者：谷青竹, 董红斌

单位：武汉大学 国家网络安全学院, 武汉 430000

关键词：隐私保护数据挖掘,k-匿名算法,数据可用性,分类准确率,MI Loss评估模型

基金：国家自然科学基金“计算机免疫智能的连续免疫应答机制及其应用研究”（61877045）。

隐私保护数据挖掘（PPDM）利用匿名化等方法使数据所有者在不泄露隐私信息的前提下，安全发布在数据挖掘中有效可用的数据集。k-匿名算法作为PPDM研究使用最广泛的算法之一，具有计算开销低、数据形变小、能抵御链接攻击等优点，但是在一些k-匿名算法研究中使用的数据可用性评估模型的权重设置不合理，导致算法选择的最优匿名数据集在后续的分类问题中分类准确率较低。提出一种使用互信息计算权重的互信息损失（MI Loss）评估模型。互信息反映变量间的关联关系，MI Loss评估模型根据准标识符和标签之间的互信息计算权重，并通过Loss公式得到各个准标识符的信息损失，将加权后的准标识符信息损失的和作为数据集的信息损失，以弥补评估模型的缺陷。实验结果证明，运用MI Loss评估模型指导k-匿名算法能够明显降低匿名数据集在后续分类中的可用性丢失，相较于Loss模型和Entropy Loss模型，该模型分类准确率提升了0.73%~3.00%。

来源：2022年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第4期