面向数据挖掘的匿名化隐私数据发布系统设计*

吴 响，俞 啸，王换换

（徐州医科大学 医学信息学院，江苏 徐州 230026）

面向数据挖掘的匿名化隐私数据发布系统设计*

吴 响，俞 啸，王换换

（徐州医科大学 医学信息学院，江苏 徐州 230026）

为了最大限度地保证隐私数据不被泄漏，设计并研发了面向数据挖掘技术的匿名化隐私数据发布系统。系统以Exynos 4412为主处理器，同时搭载μClinux操作系统，在处理数据的过程中实现并优化了多种经典匿名算法(如Incognito算法、Samariti算法、Datafly算法等)，通过内置嵌入式 Web服务器实现浏览器远程连接配置系统运行信息，并获取运行结果。同时，系统可以通过数据库的自定义配置及上传新增算法来实现数据的定制化发布。实验表明，系统算法执行效率高，能够有效地对发布数据进行隐私保护，为数据挖掘过程中的隐私泄漏问题提供了便捷可靠的解决方案。

嵌入式Web服务器；μClinux；隐私保护；数据发布

0 引言

随着信息技术及数据挖掘技术的飞速发展，越来越多的数据为人们所共享使用。如何保护发布数据中的隐私信息不被攻击者恶意获取，同时又使数据接收者充分利用数据信息进行有效的探索和科学研究，已成为一个重要的信息安全问题。

目前，学术界对隐私保护技术开展了较为深入的研究[1-2]，相关技术大致可以分为 3类：基于数据失真的技术[3-4]、基于数据加密的技术[5-6]和基于限制发布的技术[7-8]。其中，基于限制发布技术中的 k-匿名得到广泛的应用[9]。k-匿名方法又可以分为精确求解方法和近似求解方法。前者能保证找到最优k-匿名方案，但其时间复杂度为指数级，只适用于小规模数据；后者只能找到近似最优k-匿名方案，但其时间复杂度为线性或近似线性，可应用于大规模数据。同时近似求解方法通过采用多种启发策略，可以在多项式时间内找到满足特定目标函数的局部最优方案，但不能保证找到全局最优方案。不同的匿名算法应用场景不同，数据匿名效果也各不相同，因此，需要根据发布者的需求进行定制数据匿名化。

本文针对不同应用场景及不同的用户需求，对匿名化隐私数据发布系统进行了研究。该系统在保证发布数据满足k-匿名的基础上，设计了自定义匿名算法的功能，实现用户数据定制化发布；同时结合嵌入式Web服务器技术打破传统硬件的限制，用户在能够访问Internet的地方即可进行数据发布的相关操作。通过测试实验对系统性能进行评估，结果表明该系统具有良好的匿名性、移动性和可扩展性，同时具有很好的服务选择性。

1 系统总体设计

系统主要由远程数据库、数据发布终端及远程浏览器3部分构成，实现数据的获取、处理、发送及显示，图1所示为系统的总体结构图。

图1 系统结构图

系统流程：用户通过浏览器连接终端内的嵌入式Web服务器对数据发布过程中的数据库连接、算法选择、数据加密方式及要求等相关信息进行配置，同时通过远程浏览器实现任务开启、结果显示、数据导出等功能；数据发布终端在收到Web服务器的开始任务请求后读取系统配置信息，通过Internet获取远程数据库的数据源，并使用相关算法将数据进行匿名化操作；最后，终端将处理完成的数据集通过Web服务器呈现给远程浏览器，并提供文件导出、数据库转存等多种数据导出方式。

2 系统硬件设计

为了使数据发布终端既作为数据处理单元又作为嵌入式Web服务器单元，实现用户通过浏览器对终端进行远程配置、任务执行和结果输出等操作，将系统硬件分为电源管理模块、处理器模块、数据存储模块、网络通信模块和显示器模块5个部分，硬件系统总体结构如图2所示。

图2 硬件总体结构图

系统选用三星公司ARM Cortex系列中最新推出的Exynos 4412芯片为主处理器，是 32 nm HKMG(High-K Metal Gate，HKMG)工艺的4核处理器，主频高达1.5 GHz，具有高性能、低功耗的优点。终端同时配备2G DDR3 (Double Data Rate SDRAM 3，DDR3)内存及 4 GB高速闪存。系统选用由Davicom公司生产的DM9000A作为以太网控制器芯片，它有1个10/100 Mb/s的自适应物理层与4 KB双字节大小的静态随机存储器，支持8 bit和16 bit的接口，可以支持不同类型的处理器，从而为终端执行数据加密处理过程提供可靠、高效的执行环境和硬件支持。

3 系统软件设计

3.1 数据发布终端软件设计

数据发布终端结合嵌入式 Web服务器技术[10]实现，用户通过PC端的浏览器，使用图形界面来直接地访问嵌入式系统。这种基于 Internet的方式使用户端可以在世界任何一个可连接 Internet的地方访问 Web服务器，根据用户需求随时随地进行数据匿名发布操作，极大地方便了用户进行的数据发布、系统管理和科研工作。

为实现用户通过远程浏览器与嵌入式Web服务器进行通信，系统中数据发布终端既作为数据处理单元又作为嵌入式Web服务器单元。嵌入式Web服务器在μClinux操作系统基础上，利用操作系统自带的 TCP/IP协议栈提供的Socket编程接口进行通信。Web服务器由Http引擎及应用程序接口组成，通过CGI程序调用嵌入式应用程序模块，从而实现用户验证、系统配置、任务执行和数据导出等功能。嵌入式Web服务器总体结构框架如图3所示。

图3 嵌入式Web服务器总体结构框架图

数据发布终端Web服务器采用多进程侦听模式，允许多个用户的同时连接。在Socket通信套接字创建完成后，终端侦听的过程是一个无限循环，当侦听到合法连接后便进行连接操作并解析Http报文请求。首先判断用户的合法性，若用户身份认证通过则继续解析，否则返回登录提示Web界面。

CGI(Common Gateway Interface，CGI)是一种动态 Web网页技术，通过CGI程序定义的接口标准与其他应用程序模块之间进行交互。在Web服务器对客户端浏览器发送的请求报文进行判断时，若为静态页面则直接返回相应页面，若为 CGI动态请求则将报文数据传递到 CGI程序中处理，进行相关操作并将执行的结果封装成Html形式发送到客户端浏览器，从而展现给用户。 具体的软件流程如图4所示。

3.2 算法介绍

为了适应数据挖掘中不同应用场景下的隐私保护匿名化需求，系统内置10种匿名化隐私保护算法。算法主要分为全域泛化算法[11]和局域泛化算法[12]两类，其中全域泛化算法包含 Incognito算法、Datafly算法、Samarati算法、Classfly算法和Classfly+算法；局域泛化算法包含TDS(Top-Down Specialization)算法、Mondrian算法、MDAV算法、KACA算法和Filter K-匿名算法。

图4 Web服务器软件流程图

本系统的内置算法在其原文献中均需消耗大量时间进行访问I/O接口的操作，使得算法处理数据集效率较差。针对这一问题本系统进行了算法优化，使系统在处理数据集时除读取数据和导出匿名后的数据外，其余操作均在内存中完成。这种优化方式虽然消耗了内存资源，但大幅度缩短了处理数据集的时间，提高了系统对数据匿名化处理的效率。

以Incognito算法为例，在文献[11]中，该算法在形成表Ei的过程是在数据库中进行的，需要多次访问I/O接口，造成时间的损耗。以下是文献[11]形成Ei的 SQL语句：

这段代码多次访问I/O接口，占用该算法运行的大部分时间，本系统内置的Incognito算法对本部分优化的伪代码如下：

其中 Ei包含 Start和 End两个字段，Ci包含 ID、属性名和各属性泛化级别字段。以上代码均在内存中执行，减少了原算法的I/O接口的访问次数，极大地缩短了算法处理数据集的时间。

4 测试结果

为验证面向数据挖掘的匿名化隐私数据发布系统的实用性，测试选取了来自公共数据库 UC Irvine Machine Learning Repsditory的Adult数据集中的训练集（大小：30 162条记录）作为系统数据源并对其进行匿名化测试， 准标识符属性为 age、workclass、education、marital_status、race、sex、native_country，敏感属性为salary。

4.1 功能测试

在功能测试中，设置匿名隐私约束k等于10。测试时，在浏览器地址栏下输入嵌入式Web服务器的IP地址，服务器对浏览器的请求作出响应，进行相应操作并将结果发给浏览器。在浏览器中进行对数据清洗，配置k-匿名隐私约束、准标识符属性、泛化规则以及敏感属性操作，并根据不同的需求选用相应的匿名化隐私保护算法，最后执行k-匿名处理。源数据表经过泛化后均满足k-匿名，且匿名表信息损失量较小。

4.2 性能测试

在性能测试中，以Incognito算法为例进行了不同 k值约束条件下文献算法与系统优化内置算法执行时间的对比，具体时间对比如表1所示。

表1 算法运行时间比较

5 结论

本文描述了面向数据挖掘的匿名化隐私数据发布系统的设计与实现，该系统通过内置算法匿名化数据集的准标识符属性，从而避免个人信息泄漏。测试结果证明，本系统可以有效地实现数据集的匿名，保护了个人隐私信息，并且其内置的优化算法大幅度地提高了处理数据的效率。同时，系统提供的可配置数据库及自定义算法功能使数据发布得以定制化，具有较好的移动性、可扩展性和服务选择性，为数据挖掘科研工作的开展提供较大的参考价值。

[1]周水庚，李丰，陶宇飞，等.面向数据库应用的隐私保护研究综述(四)[J].计算机学报，2009，32(5)：847-861.

[2]朱青，赵桐，王珊.面向查询服务的数据隐私保护算法[J].计算机学报，2010，33(8)：1315-1323.

[3]SAYGIN Y，VERYKIOS V S，ELMAGARMID A K.Privacy preserving association rule mining[A].Proceedings of the 12th International Workshop on Research Issues in Data Engineering(RIDE)[C].USA：San Jose，2002：151-158.

[4]AGGARWAL C C，YU P S．A condensation approach to privacy preserving data mining[A].Proceedings of the 9th International Conference on Extending Database Technology (EDBT)[C].Greece：Heraklion，2004：183-199.

[5]YAO A C.How to generate and exchange secrets[A]. Proceedings of the 27th IEEE Symposium on Foundations of Computer Science(FOCS)[C].Canada：Toronto，1986：162-167.

[6]CLIFTON C，KANTARCIOGLOU M，LIN X，et a1.Tools for privacy preserving distributed data mining[J]．ACM SIGKDD Explorations，2002，4(2)：28-34.

[7]韩建民，于娟，虞惹群.面向敏感值的个性化隐私保护[J].电子学报，2010，38(7)：1723-1728.

[8]杨静，王超，张键沛.基于敏感属性熵的微聚集算法[J].电子学报，2014，42(7)：1327-1337.

[9]SWEENEY L.Achieving k-anonymity privacy protection using generalization and suppression[J].International Journal of Uncertainty，Fuzziness and Knowledge-Based System，2002，10(5)：571-588.

[10]王莉，周伟.基于ARM的嵌入式 Web服务器设计[J].计算机工程与应用，2012，48(14)：90-93.

[11]LEFEVRE K，DEWITT D J，RAMAKRISHNAN R.Incognito：efficient full-domain K-anonymity[C].ACM SIGMOD International Conference on Management of Data，USA：Maryland，2005：49-60.

[12]LEFEVRE K，DEWITT D J，RAMAKRISHNAN R.Mondrian multi-mensional K-anonymity[C].Proc.of the 22nd International Conference on Data Engineering，2006.

Design of anonymous privacy data publishing system for data mining

Wu Xiang，Yu Xiao，Wang Huanhuan
(School of Medical Informatics，Xuzhou Medical University，Xuzhou 230026，China)

In order to ensure that the privacy data is not compromised,the anonymous privacy data publishing system is designed and developed for data mining.The system uses Exynos 4412 as the main processor and is equipped with μClinux operating system.It realizes and optimizes many classical anonymity algorithm(like Incognito algorithm，Samariti algorithm，Datafly algorithm and so on)in the process of handling data,realizes the browser connect and deploys the information of system operation remotely by the Built-in embedded server and the results.At the same time,the system can achieve customized data release requirement of the user by setting custom configuration of database and uploading the new algorithm.Experiment shows that the system has high efficiency and it can protect the privacy of publish data effectively,which provides a convenient and reliable solution for data mining. Key words：embedded Web server；μClinux；privacy protect；data release

TP274

A

10.16157/j.issn.0258-7998.2016.11.016

吴响，俞啸，王换换.面向数据挖掘的匿名化隐私数据发布系统设计[J].电子技术应用，2016，42(11)：62-65.

英文引用格式：Wu Xiang，Yu Xiao，Wang Huanhuan.Design of anonymous privacy data publishing system for data mining[J]. Application of Electronic Technique，2016，42(11)：62-65.

2016-06-08）

吴响（1985-），男，博士，实验师，主要研究方向：信息安全、隐私保护。

俞啸（1989-），男，硕士，实验师，主要研究方向：信息安全、隐私保护。

王换换（1990-），女，硕士，实验师，主要研究方向：信息安全、隐私保护。

江苏省产学研联合创新项目(BY2014033)；徐州市科技计划项目(XM13B021)；国家安全生产重大事故防治关键技术科技项目（Jiangsu-0006-2016AQ）