摘要
如同在隐私保护数据发布（PPDP）中广泛采用的隐私模型一样，k-匿名性和?-多样性已经被研究者们深入研究，以实现在不泄露数据隐私的情况下发布有用信息。然而，现有方法存在一些局限性。它们通常依赖于单一维度的隐私模型，并且缺乏用于准确量化隐私泄露的统一指标。许多方法忽略了敏感属性之间的语义相似性以及敌对先验和后验信念的影响，经常使用次优的相似性度量方法，这些方法没有考虑到准标识符的异质性，从而降低了隐私保护和数据效用。为了解决这些问题，本文提出了CAMDP，这是一种基于聚类的匿名化方法，用于隐私保护数据发布，并具备多维度隐私量化功能。CAMDP构建了满足k-匿名性的等价类，同时增强了敏感属性的多样性，减少了语义相似性，并限制了敌对先验和后验信念之间的差异。引入了一个统一的多维度指标来共同量化隐私泄露和信息损失，从而指导匿名化过程。此外，还采用了一种针对混合类型准标识符的基于相似性的距离度量方法来减少信息损失。在三个基准数据集（Adult、Careplans和Airline）上的实验结果表明，CAMDP的性能始终优于现有的最先进方法。在所有测试配置中，CAMDP实现了最低的平均隐私泄露率（分别为0.1235、0.0795和0.1855）、较低的平均信息损失率（分别为0.626、0.636和0.60）以及最低的平均 intra-cluster 差异性（分别为0.586、0.635和0.573），同时保持了在三个数据集上的竞争性执行时间。
