基于属性分类加权的数据隐私保护算法

针对目前社会随着数据共享技术的不断发展所导致的个人隐私数据不断被泄露的问题,本文提出一种新的数据隐私保护算法,该算法具备自身独特的优势,在弱泛化较为重要的属性的操作过程中,特别引入了信息增益、信息增益比率两个参数。此外,还引入了属性权重,通过这个参数可以确定在分类时数据集内对应属性的重要性,并且在匿名化操作中可以对元组数据间距离进行合理的调整。仿真实验结果表明,本文提出的数据隐私保护算法相较以往经典的数据隐私保护算法在处理数据精度以及运行效率方面更加具有优势。