关于解关联集值数据集中隐私泄露的评估
密码学与安全
2016-11-28 v1
摘要
数据匿名化如今备受关注，因为它提供了安全外包包含身份信息的数据集的基本要求。虽然某些技术通过添加噪声来保护隐私，其他技术则使用泛化来隐藏敏感与非敏感信息之间的关联，或者将数据集分离为簇以获得更高效用。后者常被称为桶化（bucketization），其中数据值保持原样，仅隐藏关联以最大化效用。在本文中，我们展示了一种桶化技术——解关联（disassociation）的局限性，该技术将集值数据集划分为 -匿名簇。我们证明若解关联数据集面临覆盖问题（cover problem），则可能发生隐私泄露。最后，我们使用定量隐私泄露检测算法在真实的解关联数据集上评估了该隐私泄露。
引用
@article{arxiv.1611.08417,
title = {On the Evaluation of the Privacy Breach in Disassociated Set-Valued Datasets},
author = {Sara Barakat and Bechara Al Bouna and Mohamed Nassar and Christophe Guyeux},
journal= {arXiv preprint arXiv:1611.08417},
year = {2016}
}
备注
Accepted to Secrypt 2016