鄒 妍，門(mén)愛(ài)華，秦曉薇

（赤峰學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，內(nèi)蒙古 赤峰 024000）

XML信息共享中隱私保護(hù)技術(shù)研究

鄒 妍，門(mén)愛(ài)華，秦曉薇

（赤峰學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，內(nèi)蒙古 赤峰 024000）

隨著計(jì)算機(jī)處理能力、存儲(chǔ)技術(shù)以及網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，信息電子化程度得到了極大的提高，這也使得XML信息共享更加廣泛地深入到人們的生產(chǎn)和生活的方方面面.但是，隨之產(chǎn)生的隱私泄露現(xiàn)象屢見(jiàn)不鮮，所以，如何保護(hù)XML隱私數(shù)據(jù)和防止敏感信息泄露成為當(dāng)前面臨的巨大挑戰(zhàn).而信息共享中隱私保護(hù)研究的目標(biāo)就是在保護(hù)數(shù)據(jù)隱私的同時(shí)又不影響數(shù)據(jù)應(yīng)用.本文對(duì)隱私保護(hù)領(lǐng)域已有的研究成果進(jìn)行了總結(jié)，對(duì)各類(lèi)隱私保護(hù)技術(shù)的基本原理、特點(diǎn)進(jìn)行了闡述，并介紹了各類(lèi)技術(shù)的典型應(yīng)用.在對(duì)已有技術(shù)深入對(duì)比分析基礎(chǔ)上，指出了隱私保護(hù)技術(shù)的未來(lái)發(fā)展方向.

XML；隱私保護(hù)；數(shù)據(jù)發(fā)布

1 引言

XML數(shù)據(jù)挖掘和數(shù)據(jù)發(fā)布是當(dāng)前數(shù)據(jù)庫(kù)應(yīng)用的兩個(gè)重要方面.一方面，數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)在各個(gè)領(lǐng)域都扮演著非常重要的角色.數(shù)據(jù)挖掘的目的在于從大量的數(shù)據(jù)中抽取出潛在的、有價(jià)值的知識(shí)（模型或規(guī)則）[1].傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)在發(fā)現(xiàn)知識(shí)的同時(shí)，也給數(shù)據(jù)的隱私帶來(lái)了威脅.例如，疾病控制中心需要收集各醫(yī)療機(jī)構(gòu)的病例信息，以進(jìn)行疾病的預(yù)防與控制.在這個(gè)過(guò)程中，傳統(tǒng)數(shù)據(jù)挖掘技術(shù)將不可避免地暴露敏感數(shù)據(jù)（如“病人所患疾病”），而這些敏感數(shù)據(jù)是數(shù)據(jù)所有者（醫(yī)療機(jī)構(gòu)、病人）不希望被揭露的.另一方面，數(shù)據(jù)發(fā)布是將數(shù)據(jù)庫(kù)中的數(shù)據(jù)直接地展現(xiàn)給用戶(hù).而在各種數(shù)據(jù)發(fā)布應(yīng)用中，如果數(shù)據(jù)發(fā)布者不采取適當(dāng)?shù)臄?shù)據(jù)保護(hù)措施，將可能造成敏感數(shù)據(jù)的泄漏，從而給數(shù)據(jù)所有者帶來(lái)危害.譬如企業(yè)發(fā)布的產(chǎn)品信息，或者上市公司發(fā)布的財(cái)務(wù)年報(bào)，如果不對(duì)發(fā)布的數(shù)據(jù)進(jìn)行仔細(xì)甄別，就會(huì)給商業(yè)上的競(jìng)爭(zhēng)者以可乘之機(jī).所以，如何在各種數(shù)據(jù)庫(kù)應(yīng)用中保護(hù)數(shù)據(jù)的隱私，成為近年來(lái)學(xué)術(shù)界的研究熱點(diǎn)[2].

隱私保護(hù)技術(shù)[3]的出現(xiàn)就是為了解決上述問(wèn)題.具體的說(shuō)，實(shí)施數(shù)據(jù)隱私保護(hù)主要考慮以下兩個(gè)方面：（1）如何保證數(shù)據(jù)應(yīng)用過(guò)程中不泄露隱私；（2）如何更有利于數(shù)據(jù)的應(yīng)用.當(dāng)前，隱私保護(hù)領(lǐng)域的研究工作主要集中于如何設(shè)計(jì)隱私保護(hù)原則和算法更好的達(dá)到這兩方面的平衡.

本文對(duì)隱私保護(hù)技術(shù)的最新進(jìn)展進(jìn)行綜述.對(duì)該領(lǐng)域的主要技術(shù)進(jìn)行了分類(lèi)闡述，在具體應(yīng)用中對(duì)該技術(shù)的優(yōu)缺點(diǎn)、適用范圍等進(jìn)行分析.在此基礎(chǔ)上對(duì)隱私保護(hù)技術(shù)進(jìn)行了綜合對(duì)比與分析，并指明了隱私保護(hù)技術(shù)未來(lái)的研究方向.

2 主要研究方向與國(guó)內(nèi)研究現(xiàn)狀

2.1 隱私保護(hù)的主要研究方向

隱私保護(hù)的研究問(wèn)題是由實(shí)際應(yīng)用中不同的隱私保護(hù)需求決定的.通用的隱私保護(hù)技術(shù)致力于在較低應(yīng)用層次上保護(hù)數(shù)據(jù)的隱私，一般通過(guò)引入統(tǒng)計(jì)模型和概率模型來(lái)實(shí)現(xiàn)；而面向數(shù)據(jù)挖掘的隱私保護(hù)技術(shù)主要解決在高層數(shù)據(jù)應(yīng)用中，如何根據(jù)不同數(shù)據(jù)挖掘操作的特性，實(shí)現(xiàn)對(duì)隱私的保護(hù)；基于隱私保護(hù)的數(shù)據(jù)發(fā)布原則是為了提供一種在各類(lèi)應(yīng)用可以通用的隱私保護(hù)方法，進(jìn)而使得在此基礎(chǔ)上設(shè)計(jì)的隱私保護(hù)算法也具通用性.

2.2 國(guó)內(nèi)研究現(xiàn)狀

作為新興的研究熱點(diǎn)，隱私保護(hù)技術(shù)不論在理論研究還是實(shí)際應(yīng)用方面，都具有非常重要的價(jià)值.在國(guó)內(nèi)對(duì)隱私保護(hù)技術(shù)的研究亦受到學(xué)術(shù)界的關(guān)注與重視,包括清華大學(xué)、復(fù)旦大學(xué)、中國(guó)科技大學(xué)、北京大學(xué)、東北大學(xué)、華中科技大學(xué)等在內(nèi)的多個(gè)課題組也開(kāi)展了相關(guān)的研究工作.

國(guó)內(nèi)關(guān)于隱私保護(hù)技術(shù)的研究目前主要集中于基于數(shù)據(jù)失真或數(shù)據(jù)加密技術(shù)方面的研究，如基于隱私保護(hù)分類(lèi)挖掘算法[4]、關(guān)聯(lián)規(guī)則挖掘[5]、分布式數(shù)據(jù)的隱私保持協(xié)同過(guò)濾推薦、網(wǎng)格訪問(wèn)控制等.

總的來(lái)說(shuō)，國(guó)內(nèi)關(guān)于隱私保護(hù)技術(shù)的研究還處于起步階段，具有廣闊的發(fā)展空間；與國(guó)外和我國(guó)港臺(tái)地區(qū)的研究組相比，尚有一定的差距.

3 各類(lèi)隱私保護(hù)技術(shù)的比較分析

3.1 各類(lèi)隱私保護(hù)技術(shù)的分類(lèi)與描述

本文將隱私保護(hù)技術(shù)分為以下三類(lèi)：

（1）基于數(shù)據(jù)失真（Distorting）的技術(shù)：使敏感數(shù)據(jù)失真但同時(shí)保持某些數(shù)據(jù)或數(shù)據(jù)屬性不變的方法.例如，采用添加噪聲（Adding Noise）、交換（Swapping）等技術(shù)對(duì)原始數(shù)據(jù)進(jìn)行擾動(dòng)處理，但要求保證處理后的數(shù)據(jù)仍然可以保持某些統(tǒng)計(jì)方面的性質(zhì)，以便進(jìn)行數(shù)據(jù)挖掘等操作.

（2）基于數(shù)據(jù)加密的技術(shù)：采用加密技術(shù)在數(shù)據(jù)挖掘過(guò)程中隱藏敏感數(shù)據(jù)的方法.

（3）基于限制發(fā)布的技術(shù)：根據(jù)具體情況有條件地發(fā)布數(shù)據(jù).

另外，對(duì)于許多新方法，由于其融合了多種技術(shù)，很難將其簡(jiǎn)單地歸到以上某一類(lèi)，但它們?cè)诶媚愁?lèi)技術(shù)的優(yōu)勢(shì)的同時(shí)，將不可避免的引入其它的缺陷.基于數(shù)據(jù)失真的技術(shù)，效率比較高，但卻存在一定程度的信息丟失；基于加密的技術(shù)則剛好相反，它能保證最終數(shù)據(jù)的準(zhǔn)確性和安全性，但計(jì)算開(kāi)銷(xiāo)比較大；而限制發(fā)布技術(shù)的優(yōu)點(diǎn)是能保證所發(fā)布的數(shù)據(jù)一定真實(shí)，但發(fā)布的數(shù)據(jù)會(huì)有一定的信息丟失.

3.1.1 基于數(shù)據(jù)失真的隱私保護(hù)技術(shù)

數(shù)據(jù)失真技術(shù)通過(guò)擾動(dòng)（Perturbation）原始數(shù)據(jù)來(lái)實(shí)現(xiàn)隱私保護(hù).它要使擾動(dòng)后的數(shù)據(jù)同時(shí)滿足：

（1）攻擊者不能發(fā)現(xiàn)真實(shí)的原始數(shù)據(jù).也就是說(shuō)，攻擊者通過(guò)發(fā)布的失真數(shù)據(jù)不能重構(gòu)出真實(shí)的原始數(shù)據(jù).

（2）失真后的數(shù)據(jù)仍然保持某些性質(zhì)不變，即利用失真數(shù)據(jù)得出的某些信息等同于從原始數(shù)據(jù)上得出的信息.這就保證了基于失真數(shù)據(jù)的某些應(yīng)用的可行性.

3.1.2 基于數(shù)據(jù)加密的隱私保護(hù)技術(shù)

在分布式環(huán)境下實(shí)現(xiàn)隱私保護(hù)要解決的首要問(wèn)題是通訊的安全性，而加密技術(shù)正好滿足了這一需求，因此基于數(shù)據(jù)加密的隱私保護(hù)技術(shù)多用于分布式應(yīng)用中，如分布式數(shù)據(jù)挖掘、分布式安全查詢(xún)、幾何計(jì)算、科學(xué)計(jì)算等.在分布式下，具體應(yīng)用通常會(huì)依賴(lài)于數(shù)據(jù)的存儲(chǔ)模式和站點(diǎn)（Site）的可信度及其行為.

分布式應(yīng)用采用兩種模式存儲(chǔ)數(shù)據(jù)：垂直劃分的數(shù)據(jù)模式和水平劃分的數(shù)據(jù)模式.垂直劃分?jǐn)?shù)據(jù)是指分布式環(huán)境中每個(gè)站點(diǎn)只存儲(chǔ)部分屬性的數(shù)據(jù)，所有站點(diǎn)存儲(chǔ)的數(shù)據(jù)不重復(fù)；水平劃分?jǐn)?shù)據(jù)是將數(shù)據(jù)記錄存儲(chǔ)到分布式環(huán)境中的多個(gè)站點(diǎn)，所有站點(diǎn)存儲(chǔ)的數(shù)據(jù)不重復(fù).

對(duì)分布式環(huán)境下的站點(diǎn)（參與者），根據(jù)其行為，可分為：準(zhǔn)誠(chéng)信攻擊者（Semi-honest Adversary）和惡意攻擊者（Malicious Adversary）：準(zhǔn)誠(chéng)信攻擊者是遵守相關(guān)計(jì)算協(xié)議但仍試圖進(jìn)行攻擊的站點(diǎn)；惡意攻擊者是不遵守協(xié)議且試圖披露隱私的站點(diǎn).一般地，假設(shè)所有站點(diǎn)為準(zhǔn)誠(chéng)信攻擊者.

3.1.3 基于限制發(fā)布的隱私保護(hù)技術(shù)

限制發(fā)布即是有選擇的發(fā)布原始數(shù)據(jù)、不發(fā)布或者發(fā)布精度較低的敏感數(shù)據(jù)，以實(shí)現(xiàn)隱私保護(hù).當(dāng)前此類(lèi)技術(shù)的研究集中于“數(shù)據(jù)匿名化”：即在隱私披露風(fēng)險(xiǎn)和數(shù)據(jù)精度間進(jìn)行折中，有選擇地發(fā)布敏感數(shù)據(jù)及可能披露敏感數(shù)據(jù)的信息，但保證對(duì)敏感數(shù)據(jù)及隱私的披露風(fēng)險(xiǎn)在可容忍范圍內(nèi).數(shù)據(jù)匿名化研究主要集中在兩個(gè)方面：一是研究設(shè)計(jì)更好的匿名化原則，使遵循此原則發(fā)布的數(shù)據(jù)既能很好地保護(hù)隱私，又具有較大的利用價(jià)值.另一方面是針對(duì)特定匿名化原則設(shè)計(jì)更“高效”的匿名化算法.本節(jié)內(nèi)容將圍繞這兩方面展開(kāi).

3.2 比較分析

容易看出，每類(lèi)隱私保護(hù)技術(shù)都有不同的特點(diǎn)，在不同應(yīng)用需求下，它們的適用范圍、性能表現(xiàn)等不盡相同.表1是對(duì)隱私保護(hù)的對(duì)比分析.

4 總結(jié)與展望

隨著信息不斷膨脹、信息獲取渠道越來(lái)越多樣化，數(shù)據(jù)庫(kù)的應(yīng)用無(wú)處不在，不論是在理論研究還是實(shí)際應(yīng)用領(lǐng)域，對(duì)隱私保護(hù)技術(shù)進(jìn)行研究都具有非常重要的意義.但由于隱私保護(hù)技術(shù)涉及多學(xué)科交叉且發(fā)展時(shí)間較短，還存在許多問(wèn)題有待進(jìn)一步研究：

4.1 分布式和Web環(huán)境下的隱私保護(hù)研究

隨著分布式數(shù)據(jù)庫(kù)以及Web應(yīng)用的發(fā)展和普及，眾多已有的針對(duì)XML數(shù)據(jù)庫(kù)應(yīng)用的隱私保護(hù)技術(shù)不能滿足分布式環(huán)境下的新需求.由于分布式環(huán)境下各站點(diǎn)相對(duì)獨(dú)立、數(shù)據(jù)異構(gòu)的特點(diǎn)，通訊、數(shù)據(jù)協(xié)同等其他操作將更加頻繁.而這些操作，有意或無(wú)意間，都對(duì)敏感數(shù)據(jù)和隱私信息構(gòu)成了威脅.

如何在分布式情況下，實(shí)現(xiàn)多點(diǎn)高效協(xié)同工作的同時(shí)，保證頻繁的信息交互、數(shù)據(jù)傳輸行為過(guò)程中，不會(huì)給隱私信息、敏感數(shù)據(jù)帶來(lái)威脅？如何在保護(hù)各獨(dú)立站點(diǎn)私有隱私的同時(shí)，還實(shí)現(xiàn)對(duì)整個(gè)分布式系統(tǒng)的共同隱私的保護(hù)？如何使得隱私保護(hù)策略或算法在有效的同時(shí)，對(duì)分布式查詢(xún)、存儲(chǔ)以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的負(fù)面影響盡量的??？分布式數(shù)據(jù)庫(kù)和Web具有巨大的潛力和廣闊的應(yīng)用前景，雖然在分布式環(huán)境下進(jìn)行隱私保護(hù)的相關(guān)研究，將面臨一系列新的問(wèn)題和挑戰(zhàn)，但相關(guān)問(wèn)題的解決，將無(wú)疑對(duì)各種應(yīng)用起到巨大的推動(dòng)作用.

表1 隱私保護(hù)技術(shù)的對(duì)比分析

4.2 特定應(yīng)用背景下專(zhuān)有隱私保護(hù)技術(shù)的研究

雖然數(shù)據(jù)庫(kù)在所有領(lǐng)域都有廣泛的應(yīng)用，但是不同領(lǐng)域的應(yīng)用場(chǎng)景卻千差萬(wàn)別.不僅數(shù)據(jù)的表現(xiàn)形式、存儲(chǔ)方式、數(shù)量、更新頻率等都各不相同，而且隱私信息的表現(xiàn)形式、數(shù)量往往也是不同的.因此，眾多領(lǐng)域和現(xiàn)實(shí)應(yīng)用，都急切需要一種符合其實(shí)際情況和特點(diǎn)、針對(duì)性強(qiáng)、效率/效果優(yōu)的隱私保護(hù)方法.

4.3 基于動(dòng)態(tài)數(shù)據(jù)的隱私保護(hù)技術(shù)研究

大部分現(xiàn)有隱私保護(hù)技術(shù)都是基于靜態(tài)數(shù)據(jù)集的，而現(xiàn)實(shí)世界中，數(shù)據(jù)庫(kù)中的數(shù)據(jù)卻是無(wú)時(shí)無(wú)刻不在變化，包括數(shù)據(jù)表現(xiàn)形式的改變、屬性的增減、新數(shù)據(jù)的加入、舊數(shù)據(jù)的刪除等.并且，數(shù)據(jù)庫(kù)數(shù)據(jù)的這種變化，一般都不是完全隨機(jī)、獨(dú)立的，數(shù)據(jù)與數(shù)據(jù)之間，數(shù)據(jù)與數(shù)據(jù)變化之間，都是相互關(guān)聯(lián)的.因此，怎樣在這種更加復(fù)雜的環(huán)境下同時(shí)實(shí)現(xiàn)對(duì)動(dòng)態(tài)數(shù)據(jù)的利用和隱私保護(hù)，是一個(gè)更具挑戰(zhàn)的難題.

〔1〕周志純.隱私保護(hù)數(shù)據(jù)挖掘研究.2008：5-19.

〔2〕王智慧.信息共享中隱私保護(hù)若干問(wèn)題研究.2007：5-15.

〔3〕臧鋮.個(gè)性化搜索中隱私保護(hù)的關(guān)鍵問(wèn)題研究.2008：12-30.

〔4〕張斌.隱私保護(hù)的分布式關(guān)聯(lián)規(guī)則挖掘算法研究.2007：4-21.

〔5〕仲波.基于關(guān)聯(lián)規(guī)則的隱私保護(hù)算法研究.2007：6-27.

TP311.13

A

1673-260X（2010）02-0035-03

內(nèi)蒙古自治區(qū)高等學(xué)?？茖W(xué)研究項(xiàng)目基金資助（NJzy08152）