来源：期刊VIP网 时间：
作者：熊嘉城;陈兴蜀;兰晓;
单位：四川大学网络空间安全学院;四川大学数据安全防护与智能治理教育部重点实验室;四川大学网络空间安全研究院;
摘要：传统的K-means聚类算法在实现数据匿名化过程中，存在高维数据处理效率低下、敏感属性保护不足以及信息丢失较大的问题。为此，基于K-means聚类算法和Mondrian算法，提出一种多层聚类的自适应扰动匿名化算法（APMCA）。该算法结合区块映射与交叉迭代自适应扰动策略对数据集进行多粒度分区，增强数据划分的适应能力，确保敏感属性在分区内均匀分布，从而在细粒度层面提升隐私保护效果，降低重识别风险。实验结果表明，所提方法能有效进行数据匿名化并提升运行效率，可以满足复杂数据场景的匿名化需求。
关键词：数据匿名化;;多层聚类;;自适应扰动;;PCA技术;;隐私保护;;多粒度分区
基金资助：中央高校基本科研业务费专项资金(SCU2024D012);; 四川大学理工学科内涵发展项目(2020SCUNG129)
