基于灰关联的k匿名数据流隐私保护算法

与静态数据不同,数据流具有潜在无限、快速到达、变化频繁等特点,使得数据流隐私保护面临问题.在保证匿名要求的前提下,从降低信息损失和节约计算时间角度,提出一种基于灰关联的数据流隐私保护匿名算法(DSAoGRA),采用灰色关联度描述元组间的相似度,将元组划分成k匿名簇,实现数据流的k匿名化.数据实验结果表明,该算法在满足匿名要求的同时,比CASTLE算法具有较低的信息损失和较少的计算时间.