基于不同敏感度的改进K-匿名隐私保护算法

doi:10.11772/j.issn.1001-9081.2022040552

《计算机应用》唯一官方网站 ›› 2023, Vol. 43 ›› Issue (5): 1497-1503.DOI: 10.11772/j.issn.1001-9081.2022040552

所属专题：网络空间安全

基于不同敏感度的改进K-匿名隐私保护算法

翟冉¹^,²^,³, 陈学斌¹^,²^,³(), 张国鹏¹^,²^,³, 裴浪涛¹^,²^,³, 马征¹^,²^,³

^1.华北理工大学理学院, 河北唐山 063210
^2.河北省数据科学与应用重点实验室(华北理工大学), 河北唐山 063210
^3.华北理工大学唐山市数据科学重点实验室, 河北唐山 063210

收稿日期:2022-04-21 修回日期:2022-08-10 接受日期:2022-08-18 发布日期:2022-09-29 出版日期:2023-05-10
通讯作者: 陈学斌
作者简介:翟冉（1998—），女，河北唐山人，硕士研究生，CCF会员，主要研究方向：数据安全、网络安全、隐私保护
陈学斌（1970—），男，河北唐山人，教授，博士，CCF会员，主要研究方向：数据安全、物联网安全、网络安全 chxb@qq.com
张国鹏（1996—），男，甘肃武威人，硕士研究生，CCF会员，主要研究方向：网络安全、隐私保护
裴浪涛（1997—），男，山西运城人，硕士研究生，CCF会员，主要研究方向：数据安全、隐私保护
马征（1997—），男，河北唐山人，硕士研究生，CCF会员，主要研究方向：数据安全、隐私保护。
基金资助:
国家自然科学基金资助项目(U20A20179)

Improved K-anonymity privacy protection algorithm based on different sensitivities

Ran ZHAI¹^,²^,³, Xuebin CHEN¹^,²^,³(), Guopeng ZHANG¹^,²^,³, Langtao PEI¹^,²^,³, Zheng MA¹^,²^,³

^1.College of Sciences，North China University of Science and Technology，Tangshan Hebei 063210，China
^2.Hebei Provincial Key Laboratory of Data Science and Application （North China University of Science and Technology），Tangshan Hebei 063210，China
^3.Tangshan Key Laboratory of Data Science，North China University of Science and Technology，Tangshan Hebei 063210，China

Received:2022-04-21 Revised:2022-08-10 Accepted:2022-08-18 Online:2022-09-29 Published:2023-05-10
Contact: Xuebin CHEN
About author:ZHAI Ran， born in 1998， M. S. candidate. Her research interests include data security， network security， privacy protection.
CHEN Xuebin， born in 1970， Ph. D.， professor. His research interests include data security， internet of things security， network security.
ZHANG Guopeng， born in 1996， M. S. candidate. His research interests include network security， privacy protection.
PEI Langtao， born in 1997， M. S. candidate. His research interests include data security， privacy protection.
MA Zheng， born in 1997， M. S. candidate. His research interests include data security， privacy protection.
Supported by:
National Natural Science Foundation of China(U20A20179)

摘要/Abstract

摘要：

针对机器学习的发展需要大量兼顾数据安全性和可用性的真实数据集的问题，提出一种基于随机森林（RF）的K-匿名隐私保护算法——RFK-匿名隐私保护。首先，使用RF算法预测出每种属性值的敏感程度；然后，使用k-means聚类算法将属性值根据不同敏感程度进行聚类，再使用K-匿名算法根据属性值的敏感程度集群对数据进行不同程度的隐匿；最后，由用户自主地选择需要哪种隐匿程度的数据表。实验结果表明，在Adult数据集中，与K-匿名算法处理过的数据相比，RFK-匿名隐私保护算法处理过的数据在阈值分别为3、4时的准确率分别提高了0.5、1.6个百分点；与（p，α，k）-匿名算法处理过的数据相比，RFK-匿名隐私保护算法处理过的数据在阈值分别为4、5时的准确率分别提高了0.4、1.9个百分点。RFK-匿名隐私保护算法在保护数据的隐私安全的基础上能有效提高数据的可用性，更适合应用于机器学习中的分类预测。

关键词: 随机森林, K-匿名, 隐私保护, k-means, 聚类算法

Abstract:

To address the problem that the development of machine learning requires a large number of real datasets with both data security and availability， an improved K-anonymity privacy protection algorithm based on Random Forest （RF） was proposed， namely RFK-anonymity privacy protection. Firstly， the sensitivity of each attribute value was predicted by RF algorithm. Secondly， the attribute values were clustered according to different sensitivities by using the k-means clustering algorithm， and the data was hidden to different degrees by using the K-anonymity algorithm according to the sensitivity clusters of attribution. Finally， data tables with different hiding degrees were selected by different users according to their needs. Experimental results show that in Adult datasets，compared with the data processed by K-anonymity algorithm， the accuracies of the data processed by the RFK-anonymity privacy protection algorithm are increased by 0.5 and 1.6 percentage points at thresholds of 3 and 4， respectively； compared with the data processed by （p，α， k）-anonymity algorithm， the accuracies of the data processed by the proposed algorithm are improved by 0.4 and 1.9 percentage points at thresholds of 4 and 5. It can be seen that RFK-anonymity privacy protection algorithm can effectively improve the availability of data on the basis of protecting the privacy and security of data， and it is more suitable for classification and prediction in machine learning.

Key words: Random Forest (RF), K-anonymity, privacy protection, k-means, clustering algorithm

中图分类号:

TP391

翟冉, 陈学斌, 张国鹏, 裴浪涛, 马征. 基于不同敏感度的改进K-匿名隐私保护算法[J]. 计算机应用, 2023, 43(5): 1497-1503.

Ran ZHAI, Xuebin CHEN, Guopeng ZHANG, Langtao PEI, Zheng MA. Improved K-anonymity privacy protection algorithm based on different sensitivities[J]. Journal of Computer Applications, 2023, 43(5): 1497-1503.

图/表 11

参考文献 19

1	PATEL B H， SHAH A N. Overview of privacy preserving techniques and data accuracy［J］. International Journal of Advance Research in Computer Science and Management Studies， 2015， 3（1）： 135-140.
2	李顺东，窦家维，王道顺.同态加密算法及其在云安全中的应用［J］. 计算机研究与发展，2015，52（6）：1378-1388. 10.7544/issn1000-1239.2015.20131494
	LI S D， DOU J W， WANG D S. Survey on homomorphic encryption and its applications to cloud security［J］. Journal of Computer Research and Development， 2015， 52（6）： 1378-1388. 10.7544/issn1000-1239.2015.20131494
3	尹春勇，屈锐. 基于个性化差分隐私的联邦学习算法［J］. 计算机应用， 2023， 43（4）： 1160-1168.
	YIN C Y， QU R. Federated learning algorithm based on personalized differential privacy ［J］. Journal of Computer Applications， 2023， 43（4）： 1160-1168.
4	冯登国，张敏，李昊. 大数据安全与隐私保护［J］. 计算机学报， 2014， 37（1）：246-258. 10.3724/SP.J.1016.2014.00246
	FENG D G， ZHANG M， LI H. Big data security and privacy protection［J］. Chinese Journal of Computers， 2014， 37（1）： 246-258. 10.3724/SP.J.1016.2014.00246
5	何泾沙，杜晋晖，朱娜斐. 基于k匿名的准标识符属性个性化实现算法研究［J］. 信息网络安全， 2020， 20（10）：19-26. 10.3969/j.issn.1671-1122.2020.10.003
	HE J S， DU J H， ZHU N F. Research on k-anonymity algorithm for personalized quasi-identifier attributes［J］. Netinfo Security， 2020， 20（10）： 19-26. 10.3969/j.issn.1671-1122.2020.10.003
6	王奕森，夏树涛. 集成学习之随机森林算法综述［J］. 信息通信技术， 2018， 12（1）：49-55. 10.3969/j.issn.1674-1285.2018.01.009
	WANG Y S， XIA S T. A survey of random forests algorithms［J］. Information and Communication Technologies， 2018， 12（1）： 49-55. 10.3969/j.issn.1674-1285.2018.01.009
7	王巧玲，乔非，蒋友好. 基于聚合距离参数的改进K-means算法［J］. 计算机应用， 2019， 39（9）：2586-2590. 10.11772/j.issn.1001-9081.2019030485
	WANG Q L， QIAO F， JIANG Y H. Improved K-means algorithm based on aggregation distance parameter［J］. Journal of Computer Applications， 2019， 39（9）： 2586-2590. 10.11772/j.issn.1001-9081.2019030485
8	蒲东，方睿.个性化（p，α，k）-匿名隐私保护算法［J］.计算机应用与软件，2020，37（2）：301-307. 10.3969/j.issn.1000-386x.2020.02.047
	PU D， FANG R. Personalization ( p , α , k ) -anonymous privacy protection algorithm［J］. Computer Applications and Software， 2020， 37（2）： 301-307. 10.3969/j.issn.1000-386x.2020.02.047
9	张王策，范菁，王渤茹，等. 面向缺损数据的（α，k）-匿名模型［J］. 计算机科学， 2020， 47（6A）：395-399. 10.11896/jsjkx.190500131
	ZHANG W C， FAN J， WANG B R， et al. ( α , k ) -anonymized model for missing data［J］. Computer Science， 2020， 47（6A）： 395-399. 10.11896/jsjkx.190500131
10	吴梦婷，孙丽萍，刘援军，等. 基于约束聚类的k-匿名隐私保护方法［J］. 计算机工程与设计， 2021， 42（3）：607-613. 10.16208/j.issn1000-7024.2021.03.002
	WU M T， SUN L P， LIU Y J， et al. K-anonymity method based on constrained clustering for privacy preservation［J］. Computer Engineering and Design， 2021， 42（3）： 607-613. 10.16208/j.issn1000-7024.2021.03.002
11	徐剑，王安迪，毕猛，等. 支持隐私保护的k近邻分类器［J］. 软件学报， 2019， 30（11）：3503-3517.
	XU J， WANG A D， BI M， et al. privacy-preserving k-nearest neighbor classifier［J］. Journal of Software， 2019， 30（11）： 3503-3517.
12	苏林萍，董子娴，李为，等. 支持多属性泛化的个性化 ( α , l , k ) 匿名模型［J］. 计算机技术与发展， 2021， 31（6）：88-93. 10.3969/j.issn.1673-629X.2021.06.016
	SU L P， DONG Z X， LI W， et al. A personalized ( α , l , k ) anonymous model of supporting multi-attribute generalization［J］. Computer Technology and Development， 2021， 31（6）： 88-93. 10.3969/j.issn.1673-629X.2021.06.016
13	王楠. 数据发布中增强型p-敏感性k-匿名技术研究［D］. 北京：北京邮电大学， 2021： 30-68.
	WANG N. Research on enhanced p-sensitivity k-anonymity technology in data publishing［D］. Beijing： Beijing University of Posts and Telecommunications， 2021：30-68.
14	张强，叶阿勇，叶帼华，等.最优聚类的k-匿名数据隐私保护机制［J］.计算机研究与发展，2022，59（7）：1625-1635.
	ZHANG Q， YE A Y， YE G H， et al. K-anonymous data privacy protection mechanism based on optimal clustering［J］. Journal of Computer Research and Development， 2022， 59（7）： 1625-1635.
15	杨柳，李云.混合式的K-匿名特征选择算法［J］.计算机应用，2021，41（12）：3521-3526. 10.11772/j.issn.1001-9081.2021060980
	YANG L， LI Y. Hybrid K-anonymous feature selection algorithm［J］. Journal of Computer Applications， 2021， 41（12）： 3521-3526. 10.11772/j.issn.1001-9081.2021060980
16	樊佳锦，朱焱. 基于分类重要性与隐私约束的K-匿名特征选择［J］. 计算机应用与软件， 2022， 39（6）：35-39. 10.3969/j.issn.1000-386x.2022.06.006
	FAN J J， ZHU Y. K-anonymous feature selection based on classification importance and privacy constraints［J］. Computer Applications and Software， 2022， 39（6）： 35-39. 10.3969/j.issn.1000-386x.2022.06.006
17	王平水，马钦娟.隐私保护k-匿名算法研究［J］.计算机工程与应用，2011，47（28）：117-119， 200. 10.3778/j.issn.1002-8331.2011.28.032
	WANG P S， MA Q J. Research on k-anonymity algorithm for privacy preservation［J］. Computer Engineering and Applications， 2011， 47（28）： 117-119， 200. 10.3778/j.issn.1002-8331.2011.28.032
18	朱麟，黄胜波.不确定环境下轨迹k-匿名隐私保护［J］.计算机应用，2015，35（12）：3437-3441. 10.11772/j.issn.1001-9081.2015.12.3437
	ZHU L， HUANG S B. K-anonymity privacy-preserving for trajectory in uncertain environment［J］. Journal of Computer Applications， 2015， 35（12）： 3437-3441. 10.11772/j.issn.1001-9081.2015.12.3437
19	郝雅娴.K-Means聚类中心最近邻推荐算法［J］.山西师范大学学报（自然科学版），2021，35（1）：72-78.
	HAO Y X. K-means clustering center's nearest neighbor recommendation algorithm［J］. Journal of Shanxi Normal University （Natural Science Edition）， 2021， 35（1）： 72-78.

删除属性	准确率	删除属性	准确率
age	0.856 351	race	0.862 365
workclass	0.859 832	sex	0.863 486
fwlght	0.862 263	capital-gain	0.844 114
education	0.863 742	capital-loss	0.857 856
education-num	0.861 423	hours-per-week	0.860 666
marital-status	0.861 521	native-country	0.862 123
occupation	0.860 164	None	0.863 824
relationship	0.861 997

删除属性	准确率	删除属性	准确率
age	0.856 351	race	0.862 365
workclass	0.859 832	sex	0.863 486
fwlght	0.862 263	capital-gain	0.844 114
education	0.863 742	capital-loss	0.857 856
education-num	0.861 423	hours-per-week	0.860 666
marital-status	0.861 521	native-country	0.862 123
occupation	0.860 164	None	0.863 824
relationship	0.861 997

删除属性	准确率	删除属性	准确率
age	0.895 578 481 945 4680	day	0.892 188 651 436 993 4
job	0.896 389 093 588 798 8	month	0.897 494 473 102 431 9
marital	0.895 136 330 140 015 0	duration	0.890 272 660 280 029 5
education	0.899 557 848 194 546 9	campaign	0.896 536 477 523 949 8
default	0.895 062 638 172 439 3	pdays	0.897 347 089 167 280 9
balance	0.896 315 401 621 223 3	previous	0.897 715 549 005 158 5
housing	0.897 568 165 070 007 5	poutcome	0.881 503 316 138 540 9
loan	0.897 789 240 972 733 9	None	0.904 200 442 151 805 5
contact	0.892 851 879 145 173 2

删除属性	准确率	删除属性	准确率
age	0.895 578 481 945 4680	day	0.892 188 651 436 993 4
job	0.896 389 093 588 798 8	month	0.897 494 473 102 431 9
marital	0.895 136 330 140 015 0	duration	0.890 272 660 280 029 5
education	0.899 557 848 194 546 9	campaign	0.896 536 477 523 949 8
default	0.895 062 638 172 439 3	pdays	0.897 347 089 167 280 9
balance	0.896 315 401 621 223 3	previous	0.897 715 549 005 158 5
housing	0.897 568 165 070 007 5	poutcome	0.881 503 316 138 540 9
loan	0.897 789 240 972 733 9	None	0.904 200 442 151 805 5
contact	0.892 851 879 145 173 2

删除属性	准确率差值	删除属性	准确率差值
age	0.007 472	relationship	0.001 827
workclass	0.003 992	race	0.001 458
fwlght	0.001 561	sex	0.000 338
education	0.000 082	capital-gain	0.019 710
education-num	0.002 400	capital-loss	0.005 968
marital-status	0.002 303	hours-per-week	0.003 158
occupation	0.003 659	native-country	0.001 701

基于不同敏感度的改进K-匿名隐私保护算法

Improved K-anonymity privacy protection algorithm based on different sensitivities

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 19

相关文章 15

编辑推荐

Metrics

删除属性	准确率差值
age	0.008 621 960 206 337 542 0
job	0.007 811 348 563 006 692 6
marital	0.009 064 112 011 790 470 0
education	0.004 642 593 957 258 634 0
default	0.009 137 803 979 366 255 0
balance	0.007 885 040 530 582 255 0
housing	0.006 632 277 081 798 032 5
loan	0.006 411 201 179 071 568 0
contact	0.011 348 563 006 632 340 0
day	0.012 011 790 714 812 065 0
month	0.006 705 969 049 373 595 0
duration	0.013 927 781 871 776 013 0
campaign	0.007 663 964 627 855 679 4
pdays	0.006 853 352 984 524 608 0
previous	0.006 484 893 146 647 019 4
poutcome	0.022 697 126 013 264 568 0

敏感程度集群	属性	准确率差值
第一集群	capital-gain	0.019 710
第二集群	age	0.007 472
第二集群	capital-loss	0.005 968
第三集群	workclass	0.003 992
	occupation	0.003 659
	hours-per-week	0.003 158
	education-num	0.002 400
第四集群	marital-status	0.002 303
	relationship	0.001 827
	native-country	0.001 701
	fwlght	0.001 561
	race	0.001 458
第五集群	sex	0.000 338
第五集群	education	0.000 082

敏感程度集群	属性	准确率差值
第一集群	poutcome	0.022 697 126 013 264 568
第二集群	duration	0.013 927 781 871 776 013
	day	0.012 011 790 714 812 065
	contact	0.011 348 563 006 632 340
第三集群	default	0.009 137 803 979 366 255
	marital	0.009 064 112 011 790 470
	age	0.008 621 960 206 337 542
第四集群	balance	0.007 885 040 530 582 255
	job	0.007 811 348 563 006 693
	campaign	0.007 663 964 627 855 679
	pdays	0.006 853 352 984 524 608
	month	0.006 705 969 049 373 595
	housing	0.006 632 277 081 798 033
	previous	0.006 484 893 146 647 019
	loan	0.006 411 201 179 071 568
第五集群	education	0.004 642 593 957 258 634

敏感程度集群	属性	准确率差值1	准确率差值2	准确率差值3
第一集群	capital-gain	0.019 9	0.020 5	0.019 3
第二集群	age	0.008 2	0.008 9	0.007 8
第二集群	capital-loss	0.006 8	0.006 7	0.007 1
第三集群	workclass	0.003 1	0.004 3	0.003 8
	occupation	0.003 3	0.003 9	0.003 1
	hours-per-week	0.004 2	0.002 7	0.002 5
	education-num	0.002 9	0.002 6	0.002 3
第四集群	marital-status	0.002 3	0.002 4	0.001 9
	relationship	0.001 7	0.001 9	0.001 4
	native-country	0.001 8	0.001 6	0.001 3
	fwlght	0.001 3	0.001 8	0.001 5
	race	0.001 6	0.001 1	0.001 7
第五集群	sex	0.000 2	0.000 3	0.000 1
第五集群	education	0.000 1	0.000 1	0.000 2

敏感程度集群	属性	准确率差值1	准确率差值2	准确率差值3
第一集群	poutcome	0.021 3	0.022 8	0.019 1
第二集群	duration	0.014 7	0.016 2	0.014 3
	day	0.014 0	0.016 2	0.012 5
	contact	0.012 8	0.014 7	0.014 5
第三集群	default	0.009 5	0.008 1	0.008 6
	marital	0.009 8	0.009 1	0.009 2
	age	0.008 8	0.008 5	0.009 1
第四集群	balance	0.007 1	0.006 6	0.007 3
	job	0.007 3	0.005 8	0.006 6
	campaign	0.006 7	0.006 2	0.006 9
	pdays	0.007 0	0.007 1	0.007 1
	month	0.006 5	0.005 9	0.006 2
	housing	0.006 8	0.006 3	0.006 8
	previous	0.006 1	0.007 0	0.006 3
	loan	0.006 3	0.005 9	0.005 8
第五集群	education	0.003 2	0.004 2	0.002 9

[1]	陈学斌, 任志强, 张宏扬. 联邦学习中的安全威胁与防御措施综述[J]. 《计算机应用》唯一官方网站, 2024, 44(6): 1663-1672.
[2]	刘沛骞, 王水莲, 申自浩, 王辉. 基于轨迹扰动和路网匹配的位置隐私保护算法[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1546-1554.
[3]	孙林, 刘梦含. 基于自适应布谷鸟优化特征选择的K-means聚类[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 831-841.
[4]	高改梅, 张瑾, 刘春霞, 党伟超, 白尚旺. 基于区块链与CP-ABE策略隐藏的众包测试任务隐私保护方案[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 811-818.
[5]	马海峰, 李玉霞, 薛庆水, 杨家海, 高永福. 用于实现区块链隐私保护的属性基加密方案[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 485-489.
[6]	王一帆, 林绍福, 李云江. 基于区块链和零知识证明的高速公路自由流收费方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3741-3750.
[7]	杨成昊, 胡节, 王红军, 彭博. 基于注意力机制的不完备多视图聚类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3784-3789.
[8]	高瑞, 陈学斌, 张祖篡. 面向部分图更新的动态社交网络隐私发布方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3831-3838.
[9]	贾淼, 姚中原, 祝卫华, 高婷婷, 斯雪明, 邓翔. 零知识证明赋能区块链的进展与展望[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3669-3677.
[10]	王伊婷, 万武南, 张仕斌, 张金全, 秦智. 基于SM9算法的可链接环签名方案[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3709-3716.
[11]	梁静, 万武南, 张仕斌, 张金全, 秦智. 面向主从链的慈善系统溯源存储模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3751-3758.
[12]	方鹏, 赵凡, 王保全, 王轶, 蒋同海. 区块链3.0的发展、技术与应用[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3647-3657.
[13]	陈学斌, 屈昌盛. 面向联邦学习的后门攻击与防御综述[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3459-3469.
[14]	徐雪冉, 杨庚, 黄喻先. 横向联邦学习中差分隐私聚类算法[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 217-222.
[15]	周辉, 陈玉玲, 王学伟, 张洋文, 何建江. 基于生成对抗网络的联邦学习深度影子防御方案[J]. 《计算机应用》唯一官方网站, 2024, 44(1): 223-232.