金融APP与个人隐私保护的强化问题研究

在数字经济时代,金融机构和金融科技企业联姻移动互联网,利用APP作为金融营销手段,运用人工智能、大数据、云计算、生物识别及区块链等技术改善金融效率,个人隐私信息被过度索取且不断泄露。隐私保护法律、法规对金融类隐私信息保护不力,金融机构自身对个人信息保护规定宽泛不实,金融APP中介平台对个人隐私信息的保护薄弱。参照国外金融类隐私信息保护做法,提出我国保护金融APP隐私权立法逻辑,期待实现网络消费者隐私利益、行业利益和社会利益的有机统一。     

隐私感知的Web服务信任模型

为了统筹考虑web服务中信任评估与隐私保护的要求,提出了一种隐私感知的web服务信任模型,并给出了基于该信任模型的web服务选择机制,从而帮助用户在满足服务质量的基础上选择能更好地保护隐私的服务实例;设计了基于相关性的属性选择和权值确定方法,以使web服务信任模型更加通用,适应不同的应用环境;基于实测数据上的实验结果验证了所提信任模型的有效性.     

以信用为基础的P2P系统隐私保持机制

在P2P文件共享系统里利用节点和其友好节点之间的信任,采用友好节点作为代理来请求和获取文件,提出了一种以信任为基础的隐私保持机制.理论和实验分析表明,该机制有效地阻断了文件的源与其内容之间的联系,同时可以防止恶意行为对信任的攻击,能为用户提供更好的隐私保护.     

保护用户隐私的访问控制模型

为解决网络环境中用户的隐私信息保护问题,研究了网络环境中隐私信息保护的特点,从用户的角度出发,提出一个基于用户控制的隐私保护访问控制模型,并通过一个具体实例对该模型的应用过程进行说明.与目前存在的其他保护隐私的模型或方法相比,该模型能在不增加用户负担的情况下,达到更好保护用户隐私的目的,同时不影响现有系统中其他安全保护机制的应用.     

科技创新券对企业创新绩效的影响机制与效应分析

科技创新券政策是政府激励中小企业创新发展、实现经济增长的间接性政府助政策。以2016—2020年中小板和创业板的923家科技中小企业为样本,探究科技创新券对企业创新绩效的政策效应及作用机制,且进行中介效应模型检验。结果表明：使用创新券的公司未来具有更高的创新绩效,即科技创新券对创新绩效具有显著的正向影响;研发投入在创新券与创新绩效的关系中具有中介效应。通过PSM(propensity score matching)法的内生性检验,依旧证实创新券对创新绩效存在正向影响作用。针对日前科技创新券领取率低下,为吸引更多的企业利用创新券的政策优势提升科技研发创新能力,建议政府简化对中小企业领取科技创新券的审核程序;鼓励第三方参与创新券的推广和管理;充分发挥有限的社会资源,借力发展企业的科技创新配置。     

“想要”创新时绩效更高？——包容型领导对员工创新绩效的影响

如何促进员工创新一直以来是学术界关注的热点问题,然而以往的研究往往只从单一视角探究包容型领导对员工创新绩效的影响。基于社会交换理论以及自我决定理论,构建一个双重视角的双中介模型,探讨包容型领导到员工创新绩效的内在传导机制。通过对212份有效样本进行实证分析,发现包容型领导显著正向影响员工的创新绩效,并且通过信任领导（应该创新）以及成就动机（想要创新）的中介作用对员工的创新绩效产生正向影响。此外,成就动机的中介效应显著强于信任领导的中介效应。这一研究结论说明来自员工的内在激励作用（想要）更有利于激发其创新,对企业的管理实践有一定的指导作用。     

政府监管下个人信息披露的影响路径研究

个人信息不合理使用将使网络用户产生隐私忧虑并降低个人信息披露意愿。构建政府监管下个人信息披露意愿的分析框架，采用结构方程模型验证个人信息披露意愿的影响路径。实证分析证实，隐私忧虑和网络信任确实影响网络用户个人信息披露意愿，但隐私忧虑和网络信任受政府监管制约。因此，提高个人信息披露意愿的关键在于增强网络用户隐私保护意识，推动网络平台实施行业自律规制，加强政府网络监管。     

企业社会资本与企业绩效关系实证研究

企业社会资本有助于企业竞争优势的获得,进而促进企业绩效的增加。基于文献研究的基础上,文章首先界定了企业社会资本的三个维度:纵向关系、横向关系和信任关系,以及企业绩效的两个维度:市场财务绩效和人力绩效,并据此设计相关问卷进行收发。其次,利用SPSS 16.0软件对110份有效样本数据进行分析,实证检验企业社会资本与企业绩效的影响关系途径,结果表明:企业社会资本纵向关系仅对企业市场财务绩效有显著的正向促进作用,对提升企业人力绩效的促进作用却不显著;企业社会资本横向关系对企业市场财务绩效与人力绩效均存在显著的正向促进作用;企业社会资本信任关系对企业市场财务绩效与人力绩效均存在显著的正向促进作用。最后,结合研究结论,从三方面提出促进企业发展的政策建议。     

一种查询日志匿名化算法

查询日志的发布会泄露用户的隐私。提出一种基于差分隐私的查询日志匿名化算法:首先构建用户查询项模型进行相似度计算并利用所求结果对用户查询项模型进行聚类,其次在聚类过程中添加指数噪音来满足差分隐私,最后发布匿名化数据。实验表明:该算法有效地提高了查询日志的实用性和隐私保护程度。     

结合区块链的车联网隐私保护可信预测缓存架构

在享受基于位置的服务(LBS, location-based service)时,用户需要频繁提交位置信息和查询请求,可能导致隐私泄露。因此,利用认知引擎感知用户需求的能力提出一种基于区块链的隐私保护缓存架构(TPCB, trusted prediction cache architecture based on blockchain)。首先,基于LSTM模型预测查询请求,请求者依靠服务提供商广播缓存数据获取服务。其次,采用信任机制评估信任值来解决与不同邻居通信时引起的交互不可信问题。最后,基于区块链的特性将交易过程中生成的大量信任数据和交易数据存储在区块中。实验结果表明TPCB能有效提高缓存命中率,并对抑制恶意提供商、激励拒绝参与的提供商和隐私保护方面具有良好的性能。     

信任管理中的匿名授权方法

为了解决信任管理授权过程中的用户隐私泄露问题,提出匿名授权方法.针对经典的基于角色的信任管理语言中实名申请服务的缺陷,用动态查找出的代理角色集来代理用户申请服务,既保证了授权管理中证书链查找的正常进行,又实现了用户真实身份以可量化的方式对资源提供者匿名,证明了该方法的最坏时间复杂度与传统的正向证书链搜索保持一致.为了提高实际应用中的时间性能,提出在各个结点上缓存其成员的优化机制.实验表明,通过缓存优化,该匿名授权方法的时间性能在证书变化频率较低的稳定系统中得到了大幅提高.     

基于用户间影响力度量的网络信任模型研究

为了解决完全依靠公钥证书体系为动态变化的网络环境提供信任支撑存在较大局限性的问题,需要在信任领域引入新技术。由于网络信任计算中的信任问题和社交网络中的用户影响力问题具有一定的相关性且属性认证、隐私交互等都是需要解决的问题,因此将用户影响力引入网络信任领域具有一定的可行性。基于上述理论,本文提出了一种基于用户间影响力的网络信任计算模型。首先,论述了模型的相关基础理论和模型构架;然后,研究其工作过程,分析设计信任算法;最后,将模型的各项性能与几种经典模型进行对比和测试并通过对模型参数对比的理论分析验证了模型的可行性、安全性和高效性等。     

一种Hilbert编码的本地化位置隐私保护方法

基于位置的各种大数据服务在为用户提供便利的同时,也导致了各种隐私泄露的风险。本地化差分隐私模型避免了对可信第三方数据收集平台的依赖,使得用户能够依据个人需求处理和保护敏感信息,因此更适用于位置隐私保护的场景。针对现有本地化差分隐私位置保护方法编码机制复杂、位置数据可用性低等问题,提出一种基于希尔伯特编码的本地化差分隐私位置保护方法。用户端根据本地化差分隐私模型对自身所处网格的希尔伯特编码进行随机响应扰动处理,实现原始位置的隐私保护;服务器端收集大量用户的扰动位置编码并进行希尔伯特解码,进而判断用户所处的网格位置,实现对用户数量和分布密度的统计分析。通过实际位置数据集合上的实验证明,所提方法能够在实现用户位置本地化差分隐私保护的基础上提供更好的位置数据可用性和运行效率。     

信任和权力对供应链协同影响的实证研究

根据供应链协同的内涵,整体上以信息共享、同步决策和激励联盟作为协同的研究维度,同时借鉴组织协调的三元结构机制,建立了信息共享的3个影响因素模型,即信任、权力和激励机制。应用结构方程模型的方法,经过对161例制造企业供应链的实证研究,结果表明企业间信任与激励联盟相互紧密关联,共同作用于信息共享和同步决策;而权力(非强制性)和信任与激励联盟没有明显相关性,而且只对信息共享有直接作用,与同步决策没有直接作用。同时,信息共享对同步决策有显著的正向影响,并通过同步决策改善供应链运作绩效。     

面向大数据的个性化检索中用户匿名化方法

为解决大数据中个性化检索技术所潜在的用户隐私安全和提升个性化信息检索性能之间的矛盾,提出了基于差分隐私与p-link技术相结合的用户兴趣模型匿名化方法．首先对用户的准标示符进行泛化并添加噪音满足差分隐私保护要求,最大化统计数据库中的查询精度,同时最小化识别个体及属性的概率;其次根据用户兴趣之间的相似性将其微聚为满足p-link的等价组,并计算微聚后等价组兴趣条目的权值和等价组质心;最后发布匿名化的数据．大量实验证明：该方法结合差分隐私与p-link两者的特性,实现用户兴趣模型匿名化且用户兴趣基本不发生改变,既能保护用户的隐私信息,又能保证个性化检索性能．     

基于感知价值的移动商务用户接受行为研究

用户接受移动服务是企业成功实施移动商务的首要一步。已有研究往往基于TAM(技术接受模型)来解释用户对移动商务的接受行为,而忽视了使用成本、娱乐体验、社会评价等因素对用户行为的影响。基于感知价值理论,考察了作为二阶因子的感知价值(包括金融价值、质量价值、情感价值、社会价值四个维度)对用户接受行为的影响。研究结果表明,感知价值显著影响信任和满意度,并进而决定用户行为动机。在影响感知价值的四个维度中,社会价值的作用相对较大,而金融价值的作用最小。     

大数据能力对企业运营绩效的影响机制：供应链整合的中介作用

基于动态能力理论与资源基础观,本文通过制造业企业的大样本调查数据实证研究了大数据能力对企业运营绩效的影响机制,并进一步分析供应链整合的中介作用。结果表明：大数据能力对供应链整合与企业运营绩效均具有显著正向影响;供应链整合在大数据能力影响企业运营绩效的过程中起到部分中介作用。研究结果不仅对深化大数据能力与企业运营绩效之间关系的研究具有理论启示,同时也对数字化转型背景下推动制造业企业高质量发展具有重要现实指导意义。     

面向联邦学习的可验证安全聚合方案

在联邦学习中，多个数据拥有者可以联合训练一个高质量模型，有效地解决了数据孤岛问题，且能实现用户数据的隐私保护。然而，目前的联邦学习存在模型泄露、训练结果无法验证以及用户计算和通信代价较高等问题。对此，提出了面向联邦学习的隐私增强可验证安全聚合方案，实现了用户数据和模型参数的隐私保护，训练结果的可验证性，且大幅降低了用户的计算开销和通信代价。所提方案采用同态加密算法处理浮点运算，基于线性同态哈希函数验证聚合结果的正确性，其中部分用户掉线不影响最终的聚合结果。实验结果表明，所提方案具有较小的计算开销，且有效提高了训练模型的检测性能。     

权重均衡优化的Web用户行为的信任评估

针对Web用户信息的安全问题,提出了一种主客观相结合的用户行为信任评估模型.通过熵权法确定客观权重,通过层次分析法确定主观权重,进一步得到优化的集成权重.通过引入基于滑动窗口的长期量化评估机制和对不同类型证据的无量纲化处理,最终计算出用户行为的信任评估值.实际应用和理论分析结果表明,该模型在满足主、客观相对平衡的优化条件下,可以更准确地得出单次和长期用户行为的信任评估值,对诸如电子商务、网络金融等关键网络应用用户行为的高可靠性判断奠定了坚实的理论和实践基础.     

区块链架构下具有隐私保护的车联网信誉模型

针对车联网传统信誉机制存在的集中式信誉服务器不可信、威胁用户隐私及检测范围单一等问题，提出区块链架构下具有隐私保护的车联网信誉模型.基于区块链技术，设计分布式可信的车联网信誉更新模型.采用多密钥全同态加密算法实现评价数据的加密与计算，降低用户隐私泄露的风险.设计回溯时间间隔自适应调整策略，防止恶意车辆基于信誉更新特性绕过检测.仿真结果表明，该方案能够有效地保护用户隐私，对不同环境下的恶意车辆都能够保持较高的检测率和较低的误报率.与传统方案相比，该方案针对车辆恶意行为的检出率提高了32%.