基于马尔科夫链的起源过滤效用评估模型

孙连山， 徐艳艳， 张永斌， 侯 涛

(陕西科技大学 电子信息与人工智能学院， 陕西 西安 710021)

0 引言

大数据时代，海量数据在网络上产生和传输，被不同组织存储、转化和利用.数据的可信性对相关组织制定各种业务决策至关重要.数据起源(Data Provenance)记录数据从产生到消亡的整个生命周期内涉及的数据实体、处理过程以及相关的人员和组织[1,2]，通常呈现为由实体、活动、代理节点以及它们之间的依赖关系组成的有向无环图[3-5]，称为起源图(Provenance Graph).数据的使用者可以根据起源图，追溯数据产生的历史信息，满足数据鉴真、错误数据归因和追责，关键数据重建等不同类型的数据溯源需求.

起源图记录数据的演变历史，往往可能含有敏感信息，如用户的身份、住址、金融、偏好以及病史等.为保证信息安全，在发布或者共享起源图之前，往往需隐藏其中的敏感信息[6].起源过滤是通过隐藏或改变起源图中的部分信息，得到安全或简化的起源过滤视图的新型技术[7-10].理想情况下，过滤视图也应满足原始起源图所满足的所有溯源需求，但由于过滤技术隐藏、抽象或改变了原始起源图中的部分信息，导致过滤视图通常无法完全满足所有的溯源需求.本文采用“溯源效用”刻画过滤视图满足溯源需求的程度.应用不同过滤技术得到的过滤视图通常具有不同的溯源效用.选择或设计适当的过滤技术，生成具有给定溯源效用的过滤视图，是起源过滤研究面临的关键现实……