k-匿名隐私保护 python实现

#!/usr/bin/python #-*-coding:utf-8 -*- import csv from Person import Person from Combination import Combination import sys def read_csv(): persons = [] with open('data.csv', 'rb') as f: reader = csv.reader(f) raw_persons = list(reader) for p in raw_persons[1:]: # first line are the names persons.append(Person('*', p[1], p[2], p[3], p[4])) return persons def anonymize_sex(persons):#泛化性别 for p in persons: p.sex = '' return persons #返回列表型 def anonymize_ZIP(persons):#泛化邮编，一次泛化一位 for p in persons: p.zipcode = p.zipcode[:-1] return persons #返回列表型 def anonymize_date(persons):#泛化出生日期，一次泛化一位 for p in persons: p.dob = p.dob[:-1] return persons #返回列表型 def copy_persons(fresh_persons):#拷贝数据列表 persons = [] for p in fresh_persons: persons.append(Person(p.name, p.dob, p.sex, p.zipcode, p.illness)) return persons def group_persons(persons): #将数据分组，具体原理参考get_num grouped_persons = {} for p in persons: pseudo_parameters = str(p.dob) + str(p.zipcode) + str(p.sex) if grouped_persons.get(pseudo_parameters) is None: grouped_persons[pseudo_parameters] = [] grouped_persons[pseudo_parameters].append(p) return grouped_persons #返回字典型，每个组以键值对的形式存储 def get_k(grouped_persons):#获得k值（传入字典型泛化结果） tmpDict = {} for group in grouped_persons: #遍历所有键值对 tmpDict[group] = len(grouped_persons[group])#获得每个键对应值的个数 #即每个分组的包含的person个数 #以键(组标识)值(person个数)对存在字典tmpDict里 k = None for group in tmpDict: #遍历tmpDict，取出最小的person个数，赋值给k if tmpDict[group] < k or k is None: k = tmpDict[group] return k #返回的k值即为泛化结果的k值 def export_csv(combination): print "结果导出中 ..." try: csv_list = [["姓名","出生日期","性别","邮编","所患疾病"]] for index, group in enumerate(combination.grouped_persons): for p in combination.grouped_persons[group]: csv_entry = str(p).split(', ') csv_list.append(csv_entry) with open("匿名化结果.csv", 'wb') as myfile: wr = csv.writer(myfile, delimiter=",") wr.writerows(csv_list) print "结果导出成功!" except Exception as e: print "结果导出错误: " + str(e) def get_num(persons,type): #获得数据某属性个数（具体属性由type决定） get_num_ = {} #一个字典（保存键值对） for p in persons: #遍历数据 if type==1: #出生日期 tmp_str = str(p.dob) #将某一个人的出生日期作为键tmp_str elif type==2: #邮编 tmp_str = str(p.zipcode)#将某一个人的邮编作为键tmp_str elif type==3: #性别 tmp_str = str(p.sex)#将某一个人的邮编作为键tmp_str if get_num_.get(tmp_str) is None:#如果字典中没有此键 get_num_[tmp_str] = [] #增加以tmp_str为键，值为空的键值对 get_num_[tmp_str].append(p)#将此人的数据加到tmp_str键所对的值中 tmp_str={} return len(get_num_) #返回了字典中键的个数（就是属性个数） def max_num(data_num,zip_num,sex_num): if data_num >= zip_num and data_num >= sex_num: return 1 elif zip_num >= data_num and zip_num >= sex_num: return 2 elif sex_num >= data_num and sex_num >= zip_num: return 3 def main(): try: given_k = int(sys.argv[1])#你想要的k值 except: print "输入您想要的K值 如: python anonymizer.py 4" exit() satisfying_combinations = [] fresh_persons = read_csv()#从csv中读出数据,并泛化姓名 persons = copy_persons(fresh_persons) while (1): grouped_persons = group_persons(persons) #将目前的数据分组 k = get_k(grouped_persons) #得到目前的K值 if k >= given_k: #如果当前k值大于等于你得到的k值 satisfying_combinations.append(Combination(k,grouped_persons))#将匿名结果添加到satisfying_combinations break #跳出循环 data_num = get_num(persons,1)#出生日期属性个数 zip_num = get_num(persons,2)#邮编属性个数 sex_num = get_num(persons,3)#性别属性个数 if(sex_num==1 and zip_num==1 and sex_num==1): break #如果三个属性值都为1说明所有敏感属性全部泛化完成，跳出循环 m = max_num(data_num,zip_num,sex_num)#返回属性个数最大的属性 if m == 1: #如果是出生日期，对出生日期进行一位泛化 anonymize_date(persons) elif m ==2: #如果是邮编，对邮编进行一位泛化 anonymize_ZIP(persons) elif m ==3: #如果是sex，对sex泛化 anonymize_sex(persons) if len(satisfying_combinations) > 0:#如果获得了数据的泛化结果 print "实际K值为：" + str(k) #输出k print persons #输出泛化结果 export_csv(Combination(k,grouped_persons))#导出到cvs else: #如果没得到，说明想要的k值大于可达到的最大k值 print "K值设定过高. 请调整后再试!" if __name__ == "__main__": main()