1、隨著信息技術的發(fā)展，信息越來越多的被存儲在計算機上，服務器中。這些信息中包含了很多企業(yè)的客戶信息,屬于企業(yè)的商業(yè)機密。一些基于互聯(lián)網(wǎng)的企業(yè)，存儲了大量普通消費者的隱私信息，這些信息的泄露會給企業(yè)的發(fā)展產(chǎn)生致命的打擊。還有更多的企業(yè)包括各行各業(yè)的傳統(tǒng)企業(yè)，也都利用信息系統(tǒng)存儲大量企業(yè)客戶的信息，這些信息是企業(yè)不斷發(fā)展的核心資源，信息的泄露會直接影響到企業(yè)客戶的流失，使企業(yè)失去了發(fā)展的根基。此外包括醫(yī)院，政府等公共機構，也存儲著大量的隱私數(shù)

2、據(jù)，信息的泄露會引起社會不滿，民眾擔憂。凡此種種，都說明了對于隱私信息的保護是一個非常嚴峻的問題。隨著企業(yè)對于隱私保護的重視，有關隱私保護技術的研究也越來越深入。
　　本文旨在研究基于隱私保護的數(shù)據(jù)匿名化方法，主要包括泛化/隱匿技術和微聚集技術。首先分析了泛化/隱匿技術的不足以及微聚集技術的特點，然后比較了基于微聚集技術的各類算法，選取性能較好的MDAV算法作為基算法。但是MDAV算法還有許多需要改進的地方，尤其是針對分類型大數(shù)據(jù)

3、集的時候，算法效率較低、數(shù)據(jù)安全性和數(shù)據(jù)可用性不可兼得的矛盾等問題依然存在。本文基于這些問題提出了相應的改進方法。
　　針對MDAV算法應用到大數(shù)據(jù)集時算法效率較低的問題，提出的改進策略是添加預處理步驟的思想。在預處理環(huán)節(jié)引入高效快速的聚類模型，對大數(shù)據(jù)集進行初始聚類，再對各個子類用MDAV算法形成最終的匿名等價類。通過對大數(shù)據(jù)集的分割從而大幅度降低算法的執(zhí)行時間，提升效率。
　　針對MDAV算法存在數(shù)據(jù)安全性和數(shù)據(jù)可用性不

4、可兼得的矛盾，提出了適當?shù)母倪M?？紤]到預處理環(huán)節(jié)添加的初始聚類步驟，使得算法的可用性得到了提升。本文試圖在基本不降低數(shù)據(jù)可用性的情況下，對特定敏感屬性值添加進行頻率約束，從而增強敏感數(shù)據(jù)的安全性?；谏鲜龈倪M，提出了(m,α,k)-MDAV算法。
　　算法驗證采用了隱私保護領域通用的Adult標準數(shù)據(jù)集，將(m,α,k)-MDAV算法與MDAV算法、(α,k)-MDAV進行比較。從算法效率，信息損失，泄密風險等多個維度對實驗結果進