位置:成果数据库 > 期刊 > 期刊详情页
一种基于聚类的数据流隐私保护算法
  • ISSN号:1000-2243
  • 期刊名称:《福州大学学报:自然科学版》
  • 时间:0
  • 分类:TP301[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]福州大学管理学院,福建福州350116, [2]福州大学数学与计算机科学学院,福建福州350116
  • 相关基金:国家自然科学基金资助项目(70871024,61300104);福建省自然科学基金资助项目(2010J01358,2013J01230);福建省软科学重点资助项目(2013110057);福州大学科技发展基金资助项目(201-xy-16)
中文摘要:

数据流潜在无限、流动迅速、变化频繁等特点,使在数据流上实现隐私保护面临重大挑战.在阐述数据流匿名的概念及分析现有数据流匿名算法特点的基础上,提出基于聚类的数据流匿名设计思想,并给出算法实现.在真实数据集上的实验结果表明,新算法在满足匿名要求的同时能够降低概化和抑制处理带来的信息损失.

英文摘要:

Data streams have the features of potential infinity, fast flowing and frequent variation, which makes the privacy preservation of data streams a great challenge. The conceptions of data stream anonymization and the analysis of the existing algorithms for data stream anonymization are provided. The ideal of anonymizing data stream through clustering and the algorithm implementation are proposed. The experiments conducted on the real data set demonstrate the new method can reduce the information loss caused by generalization and suppression while satisfying the anonymization requirements.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《福州大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:福州大学
  • 主办单位:福州大学
  • 主编:杨黄浩
  • 地址:福建省福州市大学新区学园路2号
  • 邮编:350116
  • 邮箱:xb@fzu.edu.cn
  • 电话:0591-22865030 22865031
  • 国际标准刊号:ISSN:1000-2243
  • 国内统一刊号:ISSN:35-1117/N
  • 邮发代号:34-27
  • 获奖情况:
  • 全国高校优秀自然科学学报,华东地区优秀期刊,福建省优秀科技期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国剑桥科学文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:8994