利用等距变换进行聚类以保护敏感信息的方法(2011年)

简介：
本文提出了一种基于等距变换的新型聚类方法，旨在增强数据集中敏感信息的安全性。该方法通过改变数据分布模式来达到匿名化效果，同时保持数据分析的有效性，为隐私保护提供了一个创新解决方案。 经典基于旋转的数据转换（RBT）算法需要预先设定安全度值，而目前缺乏有效规则来量化该值。为此，我们提出了一种随机选取等距变换角度的方法，在一个合理的数据区间内随机选择安全度阈值，使得原始数据集在经过数据转换后保持任意数据点之间的距离不变。 理论分析和实验结果表明，这种算法易于实现，并且每次对数据的转换都是随机进行的。因此，即使攻击者能够访问到转换后的数据集，也无法推导出原始数据的具体内容。这确保了算法不仅完成了必要的数据变换任务，还较好地保护了敏感信息的安全性。