面向云服务数据发布的结构匿名化隐私保护机制研究

Privacy Preservation is one of the essential components for creating an integrative, automotive and intelligent system for our national secure service. As one of the unique structural quasi-identifiers, the topology data has been proved to achieve background knowledge attacks in graph publishing with high feasibility. Therefore, it becomes an urgent problem to design and implement a family of efficient structure-based anonymizing algorithms to protect confidential data in cloud computing.In the proposed project, we will first analyze and condens the key features of structural information which include complexity, dynamic and massiveness in cloud environment. We provide a new background knowledge attack model on the basis of the network structure by analyzing the correlation among the nodes in the cloud network.Then we will design efficient,trustable and lightweight anonymizing algorithms for large-scale complex networks to against the proposed attacks. Furthermore, we will explore new methods to improve the flexibility of the proposed algorithms based on similarity analysis by considering particular scenarios in graph publishing.We will focus on three key scientific problems: designing anonymizing methods for dynamic data, improving ability of anonymization self-adaption, and maintaining utility in multi-attribute data protection. The project will provide effective theories and methodologies for private data sharing and publishing in cloud computing. Hence, the achievements of this project will promote the use of anonymizing methods in real-world cloud security applications in the field of cloud security, and ensure the growth of informatization in the new econony pattern statewide.

隐私保护是我国构建一体化、自动化、智能化安全服务技术体系中的一个重要组成部分。近年来随着云计算的快速兴起，隐私保护技术也面临由云服务模式带来的诸多新挑战。其中，如何保护待发布数据不受以其结构信息为先验知识的背景知识攻击，已成为云计算数据隐私保护领域的一个亟待解决的问题。本项目将云计算中以图或超图进行建模的用户数据为研究对象，围绕云环境中结构信息的复杂性、动态性和海量性基本特征，重点解决动态信息高效匿名化、匿名化方法自适应和多属性数据集保护可用性等关键问题，拟通过分析云网络中节点间的关联性，建立基于网络结构的新型背景知识攻击模型；针对拓扑信息的海量性和局部易变性，设计面向海量数据的高效匿名化算法；考虑相似图发布的各类情形，研究基于相似性分析的可重构匿名化算法。从而为云环境中数据共享与发布提供有效的理论和技术支撑，促进匿名化技术在云数据安全中的实际应用，保障我国新型信息化经济模式的发展。

隐私保护是我国构建一体化、自动化、智能化安全服务技术体系中的一个重要组成部分。随着各种各样云计算(cloud computing）应用的不断涌现以及数据共享范围的逐步扩大，个人数据的收集和发布呈现出即时化、自动化、智能化的发展趋势，用户隐私在扁平的全球信息流中，逐渐失去了立体存在的空间。如何有效地利用各种安全技术阻止针对云环境中用户和服务商的恶意攻击，以确保用户的个人身份和敏感信息不被泄露，已成为目前一个亟待解决的问题。.本项目在云环境中实现用户身份匿名化，利用高效的匿名化算法为云环境下的敏感数据发布提供有效保护机制，为涉及隐私的云服务应用提供切实可行的标准和解决方案。本项目的基础是对云环境中可能威胁用户隐私的攻击模型进行有效识别与分类，并对信息的威胁性做出合理的安全分级；本项目的核心是设计高效的匿名化算法，对云环境下的待发布数据实施匿名化处理；本项目的难点是在用户隐私得到妥善保护的前提条件下，如何保证经过匿名化处理的数据依然能够具有高可用性。本项目将从三个层次开展研究：第一层次为其他层次提供模型支撑；第二层次为第一层次提供初步解决方案并为第三个层次提供算法基础；第三层次是第二层次的拓展与演进，为第一层次提供智能化解决方案。具体研究内容如下：.1).创建基于结构特征的背景知识攻击模型。.2).提出面向海量数据的匿名化机制。.3).建立基于相似性分析的匿名化算法重构机理。.基于以上的研究内容，在项目实施期间共发表相关研究的论文9篇，包括4篇SCI检索论文，5篇EI检索文论。.本项目将针对云环境下数据的新特征，提出了高效可行的新型背景知识攻击模型和支持海量动态数据发布的匿名化保护方法，满足了云服务中隐私保护对动态数据隐匿、自适应性数据发布和个性化保护等方面的紧迫需求。