[发明专利]数据处理方法、装置、电子设备及可读存储介质

说明书

本申请提供一种数据处理方法、装置、电子设备及可读存储介质，涉及数据安全技术领域。该方法包括：获取多个用户中每个用户对应的用户数据集；确定各个用户对应的用户数据集中每个准标识符属性对应的目标数据和所述敏感属性对应的敏感数据；基于所述目标数据和所述敏感数据，确定每个所述准标识符属性和所述敏感属性之间的关联程度；根据所述关联程度确定对所述多个准标识符属性进行K‑匿名处理的泛化顺序，如可将关联程度大的准标识符属性先进行泛化，从而使得与敏感属性相关的准标识符属性能够被泛化到，攻击者不会轻易定位到用户，避免了用户的隐私信息被轻易泄露的问题。

技术领域

本申请涉及数据安全技术领域，具体而言，涉及一种数据处理方法、装置、电子设备及可读存储介质。

背景技术

K-匿名是Samarati和L.Sweeney在1998年提出来的用于公共数据库或微数据发布的匿名隐私保护技术，2002年L.Sweeney为之命名为k-匿名模型，该模型在信息发布时能有效避免通过链接攻击等手段而造成的隐私信息泄露。

K-匿名算法不同于传统的访问控制等基于目标的隐私保护技术，是一个典型的微数据发布模型，其中，微数据定义为一条表达和描述个体信息的数据记录，为个体信息的载体。这些信息包括个体的标识信息(如姓名、身份证号等)、敏感信息(如病史等)、以及一些非敏感信息(如性别)。每个信息都是以个体属性和相应的属性值匹配的方式作为微数据(记录)的某个分量。它要求首先对原始数据进行预处理以满足匿名要求，然后将已处理的数据予以发布，它并不要求限制对已发布数据的访问，相反尽可能的保持数据的可统计性。

因而数据泛化(泛化是对于数据的一个属性，用概括值代替原来的值，使其意义更为广阔)是常用的数据预处理手段，K匿名就是要求在一个集合中只能以不大于1/k(k是一个常数)的概率确定任何一个元素，即要求任何一个元素，集合中至少存在k-1个相同的副本元素，即将准标识符属性的具体值抽象为一个高度概括的等价类，当每个等价类中元组(即样本，每个元组指一条用户记录)个数大于或等于K时，达到K匿名要求。

而现有技术中在对准标识符属性进行泛化处理时，先选定泛化顺序，泛化顺序不同会影响最终匿名后的数据损失度，目前一般是将取值多的准标识符属性先进行泛化，而取值多意味着数据取值概括程度低，这样更容易定位到某个元组，从而更容易泄露用户的信息，安全性较低。

发明内容

本申请实施例的目的在于提供一种数据处理方法、装置、电子设备及可读存储介质，用以改善现有技术中基于泛化后的数据很容易定位到具体的用户，使得其用户信息泄露的问题。

第一方面，本申请实施例提供了一种数据处理方法，所述方法包括：

获取多个用户中每个用户对应的用户数据集，所述用户数据集包括对应的用户在各个不同个人属性中的个人数据，所述个人属性包括敏感属性和多个准标识符属性；

确定各个用户对应的用户数据集中每个准标识符属性对应的目标数据和所述敏感属性对应的敏感数据；

基于所述目标数据和所述敏感数据，确定每个所述准标识符属性和所述敏感属性之间的关联程度；

根据所述关联程度确定对所述多个准标识符属性进行K-匿名处理的泛化顺序。

在上述实现过程中，通过获得准标识符属性与敏感属性之间的关联程度来确定对多个准标识属性的泛化顺序，如可将关联程度大的准标识符属性先进行泛化，从而使得与敏感属性相关的准标识符属性能够被泛化到，攻击者不会轻易定位到用户，避免了用户的隐私信息被轻易泄露的问题。

可选地，所述基于所述目标数据和所述敏感数据，确定每个所述准标识符属性和所述敏感属性之间的关联程度，包括：

计算并获得每个所述目标数据和所述敏感数据之间的关联系数；