一种面向大规模身体活动数据匿名化的多层次聚类方法
密码学与安全
2019-08-22 v1
摘要
发布身体活动数据可促进多个领域的可重复健康照护研究，如人群健康管理、行为健康研究和慢性健康问题管理。然而，发布此类数据也带来了与重识别相关的高隐私风险，因此匿名化必不可少。对周期性采集的身体活动数据进行匿名化的挑战之一在于其序列特性。现有匿名化技术对横截面数据效果良好，但直接应用于序列数据时计算成本高昂。本文提出一种有效的匿名化方法——基于多层次聚类的匿名化，用于对身体活动数据进行匿名化。与传统方法相比，所提方法通过大幅缩短聚类时间改善了时间复杂度。同时，它保持了与传统方法相当的数据效用。
引用
@article{arxiv.1908.07976,
title = {A Multi-level Clustering Approach for Anonymizing Large-Scale Physical Activity Data},
author = {Pooja Parameshwarappa and Zhiyuan Chen and Gunes Koru},
journal= {arXiv preprint arXiv:1908.07976},
year = {2019}
}