1.一种隐私数据分级保护方法,其特征在于,所述方法包括以下步骤:
S10、将隐私数据的众多属性中用户所在意的敏感属性分离出来,将这些敏感属性集合称为特征,其中第i条隐私数据的第j个特征用dij表示;
S20、根据特征与敏感程度的对应关系,选出所有满足单调性的特征;
S30、以集合L={L1,L2,...,LK}表示数据的敏感程度级别,确定dij在相应特征级别上的分量大小θij,k,再对一项数据的j个特征的分级测量值进行求和计算,得到该数据属于相应特征级别的分量大小θik,并取求得的最大的θik中的最小的k值,作为该数据的敏感级别的具体值;
S40、针对不同敏感级别的特征,为相应数据设置不同的出现频率,实现分级保护。
2.根据权利要求1所述的隐私数据分级保护方法,其特征在于,所述步骤S30中根据每个特征的性质将特征划分级别,包括:根据特征的性质以及应用,设置特征属于某个级别的判决门限;然后根据判决门限和分类标准确定特征的级别。
3.根据权利要求1所述的隐私数据分级保护方法,其特征在于,所述步骤S30中确定dij在相应特征级别上的分量大小,按照下式来计算:其中,cj1表示分类标准矩阵中与下标对应的元素。
4.根据权利要求1所述的隐私数据分级保护方法,其特征在于,所述步骤S40中,对于第i个级别的敏感属性集合Si和总属性集合D,使其满足: 表示敏感级别为Li的数据在整个数据集中的出现频率的约束值,通过将敏感级别取值高于某阈值的数据的出现频率限制在一个指定值,实现分级保护。
5.根据权利要求1所述的隐私数据分级保护方法,其特征在于,所述方法还包括,在步骤S30得到特征敏感级别测量值之后,根据不同特征对于敏感级别的不同影响程度,添加加权因子再进行求和计算,得到加权后的数据的分级测量值。
6.根据权利要求1所述的隐私数据分级保护方法,其特征在于,所述方法还包括,在步骤S40后计算用户收益,用户最终收益等于用户得到的服务收益和隐私受到攻击时的损失的差值。