2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩136頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著數(shù)據(jù)分析和互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,越來(lái)越多的組織部門(mén)和科研機(jī)構(gòu)將收集到的大量數(shù)據(jù)公之于眾,以實(shí)現(xiàn)數(shù)據(jù)的共享、統(tǒng)計(jì)和挖掘。然而,這些發(fā)布數(shù)據(jù)中大多含有個(gè)體的敏感信息,如個(gè)體的疾病、工資、興趣偏好等信息,攻擊者能夠從發(fā)布數(shù)據(jù)中獲得較高的信息增益。通常情況下,數(shù)據(jù)發(fā)布的過(guò)程中也會(huì)增加用戶隱私泄露的風(fēng)險(xiǎn)。同時(shí),數(shù)據(jù)發(fā)布中的隱私泄露將阻礙整個(gè)社會(huì)信息發(fā)布和信息共享,不利于維護(hù)社會(huì)的和諧、穩(wěn)定發(fā)展。因此,在向公眾發(fā)布數(shù)據(jù)前,數(shù)據(jù)發(fā)布者需要對(duì)涉及個(gè)

2、體隱私的數(shù)據(jù)進(jìn)行保護(hù),以降低惡意攻擊者獲得用戶敏感信息的幾率。本文分別從面向保護(hù)效果和面向數(shù)據(jù)效用兩方面對(duì)隱私保護(hù)方法開(kāi)展研究,在保護(hù)發(fā)布數(shù)據(jù)的隱私安全的前提下,通過(guò)數(shù)據(jù)匿名技術(shù)和數(shù)據(jù)擾動(dòng)技術(shù)對(duì)原始數(shù)據(jù)進(jìn)行隱私保護(hù)處理,以滿足發(fā)布數(shù)據(jù)的不同應(yīng)用需求,從而實(shí)現(xiàn)發(fā)布數(shù)據(jù)的可用性和數(shù)據(jù)隱私安全間的平衡。本文的研究?jī)?nèi)容主要包括以下四個(gè)部分:
  首先,針對(duì)傳統(tǒng)匿名模型無(wú)法抵御相關(guān)性攻擊,易形成敏感值高度相關(guān)的等價(jià)類(lèi)的問(wèn)題,在傳統(tǒng) l-多樣

3、性模型的基礎(chǔ)上,提出了一種約束等價(jià)類(lèi)中敏感值相關(guān)性的(s,l)-多樣性模型。該模型以敏感集合中非敏感屬性值的分布度量敏感值的相關(guān)性,通過(guò)等價(jià)類(lèi)中敏感值相關(guān)性的約束來(lái)降低高相關(guān)性敏感值產(chǎn)生的信息泄露。同時(shí),使用屬性值間相關(guān)性作為距離度量基準(zhǔn),提出了一種(s,l)-多樣性聚類(lèi)算法(SLCA)來(lái)實(shí)現(xiàn)該匿名模型,以降低數(shù)據(jù)泛化過(guò)程中的信息損失。對(duì)比實(shí)驗(yàn)表明,SLCA算法具有較低的時(shí)間開(kāi)銷(xiāo),且能夠有效降低發(fā)布的等價(jià)類(lèi)中敏感值的相關(guān)性,較好地抵御攻

4、擊者的相關(guān)性攻擊。
  其次,針對(duì) t-相近性模型實(shí)現(xiàn)方法的性能較低,且無(wú)法較好的抵御敏感性攻擊的問(wèn)題,在傳統(tǒng) t-相近性模型基礎(chǔ)上定義了(l,t)-相近性模型,該模型放寬了t-相近性模型對(duì)等價(jià)類(lèi)的約束,要求敏感等級(jí)在等價(jià)類(lèi)中的分布與數(shù)據(jù)集中的分布之間的Hellinger距離不大于閾值 t。同時(shí),使用敏感值的自信息來(lái)度量敏感度以實(shí)現(xiàn)敏感屬性的敏感等級(jí)劃分,并提出了一種基于聚類(lèi)的(l,t)-相近性匿名算法((l,t)-CCA),該算

5、法通過(guò)在敏感等級(jí)桶中抽取距離最近的元組形成等價(jià)類(lèi)來(lái)實(shí)現(xiàn)該匿名模型,以降低等價(jià)類(lèi)中元組的敏感值間敏感程度的差異,并抵御攻擊者的敏感性攻擊。對(duì)比實(shí)驗(yàn)結(jié)果表明,(l,t)-CCA算法具有較小的信息損失和較低的時(shí)間代價(jià),能夠更加有效的實(shí)現(xiàn)數(shù)據(jù)發(fā)布中數(shù)據(jù)的可用性與隱私安全間的平衡。
  再次,針對(duì)多敏感屬性數(shù)據(jù)發(fā)布中的隱私泄露及攻擊者的敏感性攻擊,在傳統(tǒng) l-多樣性的基礎(chǔ)上,提出了一種基于屬性分解,以逆聚類(lèi)方法構(gòu)造敏感組的多敏感屬性(l1,

6、l2,…,ld)-多樣性的隱私保護(hù)方法,在滿足數(shù)據(jù)表多敏感屬性值多樣性的同時(shí),有效地降低了多敏感屬性數(shù)據(jù)表的敏感性,增強(qiáng)了數(shù)據(jù)的可用性。最后,通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了同等條件下,該算法能夠有效的抵御攻擊者的敏感性攻擊,且具有較低的信息隱匿率,雖然在執(zhí)行時(shí)間上與對(duì)比算法相比略高,但該算法所處理的發(fā)布數(shù)據(jù)集具有較好的隱私保護(hù)效果和數(shù)據(jù)可用性,略高的執(zhí)行時(shí)間是能夠被接受的。
  最后,針對(duì)現(xiàn)有數(shù)據(jù)擾動(dòng)方法不能較好地維持原始數(shù)據(jù)的聚類(lèi)可用性問(wèn)題

7、,提出一種面向聚類(lèi)挖掘,基于數(shù)據(jù)擾動(dòng)技術(shù)的隱私保護(hù)方法。該方法將具有d維屬性的數(shù)據(jù)集抽象為d維空間,根據(jù)節(jié)點(diǎn)的k鄰域分布計(jì)算節(jié)點(diǎn)的鄰域拓?fù)鋭?shì)熵,并提出了由節(jié)點(diǎn)的鄰域拓?fù)鋭?shì)熵將節(jié)點(diǎn)劃分為鄰域分散型節(jié)點(diǎn)和鄰域緊密型節(jié)點(diǎn)的方法。同時(shí),還提出一種根據(jù)節(jié)點(diǎn)的不同類(lèi)型分別執(zhí)行不同擾動(dòng)策略的數(shù)據(jù)擾動(dòng)算法DPTPE,對(duì)于鄰域分散型節(jié)點(diǎn),使用其k鄰域節(jié)點(diǎn)的均值替換該節(jié)點(diǎn),對(duì)于鄰域緊密型節(jié)點(diǎn),則在其安全鄰域中隨機(jī)抽取一個(gè)節(jié)點(diǎn)替換該節(jié)點(diǎn)。通過(guò)仿真實(shí)驗(yàn)表明,D

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論