面向虹膜数据发布的差分隐私保护

针对虹膜数据在发布后可被攻击者利用并获得用户隐私的问题,提出了一种基于随机映射与差分隐私的虹膜数据发布隐私保护方法。该方法利用随机映射对发布虹膜数据进行模板处理,然后对注册过程中建立的模板添加噪声,使其满足差分隐私,进一步提高发布数据的隐私保护程度。最后,通过安全性分析及在模拟环境下的实验,进一步证实了所提出方法的安全性和有效性。     

电子病历的隐私保护方法研究

电子病历的快速发展使得与之相关的隐私保护问题日益突出,本文通过两个方面对电子病历隐私保护机制进行研究:在医院内部信息系统方面,分别从政策法规、管理机制、技术层面进行分析;在电子病历发布方面,主要介绍了当前常用的数据发布隐私保护方法——k匿名机制。     

TopN推荐系统的差分隐私保护研究

提出了1种基于差分隐私保护的TopN协同过滤推荐算法—DP-TopN算法,使用Laplace噪音机制分别对推荐过程的数据预处理部分和用户评分部分进行随机扰动,并对推荐算法步骤进行调整,使得整个推荐过程满足差分隐私模型,从而达到保护用户隐私安全的目的。通过在真实数据集上进行的实验和理论分析表明,所提算法能在满足精确推荐的同时有效地保护用户的个人隐私。     

大数据匿名化隐私保护技术综述

伴随着网络化与信息化的发展,信息呈"爆炸式"增长,大数据时代正悄无声息到来。大数据在影响人们吃穿住行的同时,也让人们陷入了隐私危机。匿名化技术是在数据发布过程中进行隐私保护的一项重要技术。文章通过查阅大量文献,首先简要地概述了大数据隐私危机现状;接着总结了常见的隐私攻击方法及与抗衡的匿名模型及其实现方法与技术;然后讨论了匿名化质量的度量方法;最后总结并说明下一步的研究方向。     

城市地下管网运维大数据预处理技术研究

在城市建设中有错综复杂的地下管网,迫切需要建立地下管网数据智能化建设的智能检测系统,对地下管网数据存在各种风险进行监测.多段复杂的地下管网数据错综复杂,结构不一且数据量多,Tian差值扩展技术不再适用.非线性DELTA误差数据压缩算法和分段差值法解压缩算法是数据处理过程的两种不同数据预处理技术,利用分段差值法对解压缩的数据进行填补,得到的数据能更加准确的复合地下管网平台的要求.根据市政工程建设运维数据特点,提出分段差值法处理市政监控数据解压缩算法过程.采用分段差值扩展和非线性Delta误差技术方法嵌入数据,减少不可扩展差值的数量,提高管网数据的压缩率,根据差值次低位的可改变性定位不可变差值,从而提高数据嵌入容量,提取端在提取信息后可根据需要无损地恢复原始数据.实验结果表明,该算法在保证数据质量的同时,数据容量有较大的提高,并有效抑制数据冗余,基于分段差值法的地下管网数据解压缩算法得到的数据利用率增加了83.3%.     

数据库驱动认知无线电网络位置隐私的攻击与保护

针对数据库驱动认知无线电网络(cognitive radio networks)存在的位置隐私泄露风险,提出两种攻击方法:覆盖交集攻击和频道切换攻击,可根据二级用户(secondary user,SU)频道使用情况,在不直接获取查询信息中的位置信息的前提下,间接推断SU位置。为应对上述攻击,提出查询信息盲化机制来实现隐私保护的频谱查询,同时对频道选择方案进行优化使得SU能够最大程度地保护自身位置隐私。根据真实数据进行的攻击实验提高了对SU的定位精度,基于模拟数据的隐私保护方案验证实验证明了本文提出的保护方案的有效性和效率。     

数字图书馆隐私保护关键技术研究

本文通过对现有各种匿名模型及匿名化技术的研究和分析后,指出在解决数字图书馆敏感数据发布多种场景下的隐私保护问题时,目前通常的数据匿名发布技术中存在的各种不足,本文对数字图书馆敏感数据匿名发布的若干关键技术进行了研究。     

大数据脱敏技术在电力用户隐私信息保护中的运用

本文主要阐述了电力系统多业务场景的大数据脱敏技术,研究了基于电力企业多业务场景的大数据脱敏用户隐私信息保护方案,分析了电力用户隐私信息保护的应用,有利于避免各种隐私数据泄露问题。     

岩体随机不连续面产状数据划分方法研究

动态聚类算法从本质上讲是单目标组合优化算法,一般需要事先给定目标分类数和初始聚类中心,且初始聚类中心的选择对数据划分结果影响较大。为了解决该问题,提出将产状数据的划分问题转化为多目标优化问题,并采用小生境Pareto遗传算法进行求解。针对聚类问题的特殊性,采用基于链表的编码方案,并建议相应的遗传操作算子;通过引入小生境技术和Pareto支配集理论,仅通过一次求解可由Pareto支配集给出对应于不同目标组数的最优分组结果,而且不用事先给定目标组数以及初始聚类中心。最后,将算法应用于三峡船闸高边坡岩体实测不连续面产状数据的划分,得到较为符合实际的优势结构面分组。     

基于区块链的隐私集合交集方案研究

保护隐私的集合交集运算是当前信息安全领域的研究热点,它使拥有秘密集合的参与者在不泄露各自隐私数据的前提下共同输出秘密集合上的交集结果,但是现阶段的隐私集合交集运算方案允许的参与方少并且效率低下,不能保证参与方之间的公平性。针对这些问题,文章提出了一种基于区块链的隐私集合交集求解方案,要求参与方共同部署并签订智能合约,将运算结果公布至区块链,保证参与者共同获得正确的交集结果。在进行隐私交集运算时,参照YAO氏通用混淆电路估值技术,使用保护隐私的集合交集运算电路和去重电路,设计了一种区块链上保护隐私的集合交集运算方案。