基于混合式子树算法的大数据匿名化

作     者：孙炯宁 Sun Jiongning

作者机构：江苏海事职业技术学院信息工程学院江苏南京211100 

基　　金：江苏省高等职业院校国内高级访问学者计划资助项目(2014FX021) 

出 版 物：《南京理工大学学报》 (Journal of Nanjing University of Science and Technology)

年 卷 期：2015年第39卷第5期

页      码：609-613页

摘      要：自顶而下具体化(TDS)和自底向上泛化(BUG)是子树匿名化的主要方法,但其并行能力不足,易导致在云数据处理中缺乏可扩展性。当TDS和BUG分开使用时,很难准确确定K匿名参数。针对这一问题,该文提出一种在大数据中进行有效数据匿名化的基于TDS和BUG的混合方法,设计了基于该混合方法的MapReduce模型,以提高云计算能力的可扩展性。实验表明,与现有方法相比,该混合法可以显著提高扩展性和子树匿名化的效率。

主 题 词：大数据 云计算 数据匿名 隐私保护 MapReduce 

学科分类：0810[工学-土木类] 08[工学] 0805[工学-能源动力学] 0812[工学-测绘类] 081202[081202] 

核心收录：

D　O　I：10.14177/j.cnki.32-1397n.2015.39.05.016

馆 藏 号：203151006...