20、企业隐私策略代数与隐私保护决策树挖掘

企业隐私策略代数与隐私保护决策树挖掘

企业隐私策略代数相关内容

在企业隐私策略管理中，有一些重要的概念和操作。首先是规则集和策略的规范化。存在一种算法，对于给定词汇表 V 上的规则集 R，能生成规范化的规则集 norm(R)。对于策略 P = (V, R, dr)，可生成规范化策略 norm(P) := (V, norm(R), dr)，且 norm(P) 与 P 等价。

当两家公司 A 和 B 合作时，可能需要同等优先地应用它们的隐私策略。这就涉及到隐私策略的合取操作。与组合操作不同，组合操作将第一个参数视为优先级更高，通常不会细化第二个参数；而合取操作则是平等地组合两个策略，并返回一个弱细化两个原始策略的结果。在定义两个策略的合取时，需要仔细考虑策略的内部工作机制，因为上作用域可能会引入新的词汇项，仅靠原始策略的功能属性无法确定合取策略对这些新词汇项的影响。

策略合取的定义如下：设 P1、P2 是词汇表 V 上的隐私策略，P = P1 ∧P2 是 Alg. 3.1 的输出。Alg. 3.1 策略合取算法的具体步骤如下：

输入:
policies P1 = (V, R1, dr1), P2 = (V, R2, dr2)
输出: conjunction policy P = P1 ∧P2
for i = 1, 2: if Ri not normalized: Ri := norm(Ri);
dr := dr1 ∧dr2;
R := RA1 ∪(RA2 + min(RA1) −max(RA2) −1); // “union” of amendable parts
i := min(R) −1;
for