检索结果-南通市图书馆

作者：王宁北京邮电大学

学位级别：硕士

随着存储设备的不断发展,越来越多的数据得以保存,由于人类社会活动的多样性,这些数据往往被多个数据拥有者分割存储。将分布在多个数据拥有者的数据联合发布有助于更好的决策支持和科学研究。然而直接发布多方数据会泄露用户的数据隐私... 详细信息

随着存储设备的不断发展,越来越多的数据得以保存,由于人类社会活动的多样性,这些数据往往被多个数据拥有者分割存储。将分布在多个数据拥有者的数据联合发布有助于更好的决策支持和科学研究。然而直接发布多方数据会泄露用户的数据隐私,因此,本文研究满足差分隐私的多方数据发布算法。数据被分割在多方的方式可分为水平分割和垂直分割。水平分割场景的数据发布算法通常使用贝叶斯网作为数据发布模型。但现有工作忽略了贝叶斯网中不同属性的重要程度,将隐私预算平均分配,导致贝叶斯网中重要节点的结构不准确,影响了所发布数据的效用。在垂直分割场景中,现有工作同样忽略了数据发布模型中不同属性的重要程度。且由于场景限制,现有工作选择将隐树模型作为数据发布模型,导致隐私预算利用率低。本文针对上述问题,提出了满足差分隐私的多方数据发布算法,取得了以下成果:(1)为发布水平分割的数据,本文提出水平分割场景中满足差分隐私的多方数据发布算法。在贝叶斯网结构学习时,为使重要节点获得更准确的结构特征,本文基于数据依赖提出水平分割数据的结构学习方法。该方法以投票的方式确定贝叶斯网的每个节点在结构中的重要程度,并依此重要程度以一种低错误率的方式分配结构学习时每维度的隐私预算。此外,为在计算构建贝叶斯网所需的边际分布时减少噪音的摄入量,本文基于分布式拉普拉斯机制和最大熵模型设计了水平分割数据的边际分布计算方法。通过在真实数据集的实验表明,本文所提算法所发布的数据与现有工作相比具有更好的效用。(2)为发布垂直分割的数据,本文提出垂直分割场景中满足差分隐私的多方数据发布算法。该算法使用贝叶斯网作为数据发布模型,以提高隐私预算的利用率。为使在该场景构建的贝叶斯网中重要的节点获得更准确的结构特征,本文基于数据依赖提出垂直分割数据的结构学习方法。该方法以最小化结构学习时所有节点可能错选的父节点组合数量为目标分配结构学习时每维度的隐私预算,并根据每个节点在结构学习时的重要程度分配其权重,使重要的节点错选父节点组合的几率更小。为解决在该场景下以满足差分隐私的方式计算构建贝叶斯网所需边际分布时需加入大量噪音的问题,本文基于安全内积协议和最大熵模型设计了垂直分割数据的边际分布计算方法。通过在真实数据集上的实验表明,本文所提算法所发布的数据与现有工作相比具有更好的效用。

关键词：多方数据发布隐私保护水平分割垂直分割贝叶斯网模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种满足个性化差分隐私的多方垂直划分数据合成机制

引用

电子与信息学报 2024年第5期46卷 2159-2176页

作者：朱友文王珂周玉倩南京航空航天大学计算机科学与技术学院南京211106

当今时代,随着大数据技术的飞速发展和数据量的持续增加,大量数据不断被不同的公司或者机构收集,把来自不同公司或机构的数据聚合起来并发布,有助于更好地提供服务、支持决策。然而他们各自的数据中可能包含敏感程度不同的隐私信息,所... 详细信息

当今时代,随着大数据技术的飞速发展和数据量的持续增加,大量数据不断被不同的公司或者机构收集,把来自不同公司或机构的数据聚合起来并发布,有助于更好地提供服务、支持决策。然而他们各自的数据中可能包含敏感程度不同的隐私信息,所以在聚合发布各方数据时需要满足个性化隐私保护要求。针对个性化隐私保护的多方数据聚合发布问题,该文提出满足个性化差分隐私的多方垂直划分数据合成机制(PDP-MVDS)。该机制通过生成低维边缘分布实现对高维数据的降维,用低维边缘分布更新随机初始的数据集,最终发布和各方的真实聚合数据集分布近似的合成数据集;同时通过划分隐私预算实现个性化差分隐私保护,利用安全点积协议和门限Paillier加密保证各方数据在聚合过程中的隐私性,利用分布式拉普拉斯机制有效保护了多方聚合边缘分布的隐私。该文通过严格的理论分析证明了PDP-MVDS能够确保每个参与方数据和发布数据集的安全。最后,在公开数据集上进行了实验评估,实验结果表明PDP-MVDS机制能够以低开销生成高效用的多方合成数据集。

关键词：隐私保护多方数据发布安全多方计算个性化差分隐私垂直划分数据

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

满足差分隐私的多方水平划分数据合成机制

引用

计算机应用文摘 2024年第11期40卷 132-134页

作者：王珂南京航空航天大学计算机科学与技术学院南京211106

隐私保护的多方数据发布问题因其应用前景广泛而备受关注。针对隐私保护的多方数据发布问题,提出满足差分隐私的多方水平划分数据合成机制DP-MHDS。通过生成低维边缘分布实现对高维数据的降维,利用分布式拉普拉斯机制有效保护了多方聚... 详细信息

隐私保护的多方数据发布问题因其应用前景广泛而备受关注。针对隐私保护的多方数据发布问题,提出满足差分隐私的多方水平划分数据合成机制DP-MHDS。通过生成低维边缘分布实现对高维数据的降维,利用分布式拉普拉斯机制有效保护了多方聚合边缘分布的隐私。实验结果证实了DPMHDS能够生成高效用的多方合成数据集。

关键词：差分隐私多方数据发布水平划分数据

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：