[发明专利]将数据匿名化的方法和系统

权利要求书

1.一种将数据匿名化的方法，包括：

在硬件处理器处接收包括数据集的输入，所述数据集具有关系数据部分和序列数据部分两者；

从所述数据集中识别与实体相对应的直接标识符属性；

屏蔽或抑制所识别的直接标识符属性值；

基于关于定义的成本函数F的相似性对记录排序；

选择并迭代地将使用成本函数F而排序的至少前k个记录的每个组匿名化，至少k个记录的每个组构成一个群，所述将属性值匿名化是沿着所述关系部分和所述序列部分两者进行的，其中k是指定的k-匿名化参数；以及

重复所述选择并迭代地将连续的群中的至少k个记录的每个连续组匿名化的步骤，所述将属性值匿名化是沿着所述组中的记录的所述关系部分和所述序列部分两者进行的，其中匿名化的表格表示是由所述匿名化产生的。

2.如权利要求1所述的方法，其中所述序列部分包括序列的序列数据，由此一个序列包括至少两个序列，一个序列包括单个事件。

3.如权利要求1所述的方法，其中所述数据集包括：

来自一组关系数据表格的数据，一个或多个所述表格具有形成所述序列部分的针对实体的一个或多个时间顺序记录，每个记录具有一组属性；并且至少两个表格对每个实体具有形成所述关系部分的一个记录，每个记录具有另一组属性，所述方法还通过所述硬件处理器生成具有所述关系数据部分和所述序列数据部分两者的所述数据集的中间表示。

4.如权利要求2所述的方法，还包括：

在重复所述匿名化之后，确定是否剩有另外的记录；以及如果剩有另外的记录，则对于每个剩余的记录，确定针对该剩余的记录的相关匿名群，并将该剩余的记录分配给最相关的匿名群。

5.如权利要求2所述的方法，还包括：

生成映射表格，所述映射表格将数据集表的原始属性值与匿名化的属性值进行映射。

6.如权利要求5所述的方法，还包括：

将所述数据集的所产生的匿名化表格以其原始形式与其对应的映射表格一起存储。

7.如权利要求2所述的方法，还包括：

在所述数据集的单个表格表示中识别所述实体的准标识符属性；以及屏蔽或抑制所述准标识符属性值。

8.如权利要求5所述的方法，其中所述排序步骤包括：使用第一成本函数量化两个记录之间的相似性；以及可选地使用第二成本函数以量化两个元素/序列的相似性。

9.如权利要求4所述的方法，还包括：

对于群中的每个记录，确定：属性A是否是数值属性；

将聚合函数f_A应用于所述群中的所述记录的数值属性值；以及

将所述记录中的原始值替换为函数f_A的对应值。

10.如权利要求9所述的方法，其中所述将聚合函数应用于数值属性值的步骤包括下述中的一个或多个：

计算所述群中的k个个体的一些或全部的年龄的平均值；或者

计算所述群中的k个个体的一些或全部的所记录的日期或时间戳事件的平均值或随机化平均值。

11.如权利要求4所述的方法，还包括：

对于群中的每个记录，确定：属性A是否是分类属性；

将聚合函数f_A应用于所述群中的所述记录的分类属性值；以及

将所述记录中的原始值替换为函数f_A的对应值。

12.如权利要求11所述的方法，其中所述将聚合函数应用于分类属性值的步骤包括下述中的一个或多个：

创建不属于属性A的域的新分类值；以及

用为属于所述群的记录新创建的值替换属性A的原始值。