文件名称：论文研究-基于模糊集的隐私保护方法研究.pdf
文件大小：451KB
文件格式：PDF
更新时间：2022-08-11 15:59:08
隐私保护,模糊集,模糊化,隶属函数,隶属度,k-匿名
在数据发布的隐私保护研究中, 针对k-匿名方法的复杂性高、效率低及数据可用性差等问题, 从基于模糊集的角度出发进行隐私保护的研究, 重点是对数值型属性的处理, 提出了基于模糊集的最大隶属度（MMD）算法。该算法对敏感数值型数据进行模糊化处理, 把其变成语义型数据, 结合隶属度一起发布以达到隐私保护的目的。并通过实验进行了验证, 基于模糊集的隐私保护方法与k-匿名方法相比, 具有更高的效率, 且信息损失要远远小得多, 发布数据的可用性更好。