检索结果-南通市图书馆

面向云计算应用的用电负荷数据差分隐私保护方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2022年第7期42卷 68-75页

作者：于群沈志恒孙飞飞李知艺浙江大学电气工程学院浙江杭州310027 国网浙江省电力公司经济技术研究院浙江杭州310016

随着云计算技术的发展,用户可以利用公共计算资源低成本、高效率地完成机器学习等大数据分析业务,但在提升计算效率和经济效益的同时,也面临隐私泄露风险。针对以机器学习即服务为代表的云计算中潜藏的用电负荷数据泄露问题,提出了一种... 详细信息

随着云计算技术的发展,用户可以利用公共计算资源低成本、高效率地完成机器学习等大数据分析业务,但在提升计算效率和经济效益的同时,也面临隐私泄露风险。针对以机器学习即服务为代表的云计算中潜藏的用电负荷数据泄露问题,提出了一种差分隐私保护框架下基于时序生成对抗网络的用电负荷数据脱敏方法,通过使用满足差分隐私的脱敏合成数据替代原始敏感数据,从而有效阻止攻击者根据窃取的训练数据推断真实的敏感信息。引入瑞利差分隐私机制,在保留负荷数据统计学特征的前提下去除个体特征;在此基础上,采用循环神经网络作为生成对抗网络的生成器和判别器,捕获负荷数据的动态时间特性;同时,将自编码器与生成对抗网络相结合,进一步挖掘负荷数据的静态特征。通过理论推导证明了所提方法能够满足差分隐私要求,且可以对总隐私预算进行量化。数值实验结果表明,所提方法能保证隐私保护处理后用电负荷数据的隐私性和可用性。

关键词：用电负荷数据云计算差分隐私保护生成对抗网络自编码器数据脱敏

在线全文

学校读者我要写书评

暂无评论

基于差分隐私保护的社交网络发布图生成模型

同济大学学报（自然科学版） 2017年第8期45卷 1227-1232页

作者：王俊丽柳先辉管敏同济大学电子与信息工程学院上海201804

社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一... 详细信息

社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一个满足差分隐私保护的社交网络发布图生成模型,首先通过图模型表示社交网络结构,并将原图按照节点特征分类为多个子图;然后利用四叉树方法对子图的密集区域进行划分,在树的叶子节点添加满足差分隐私保护的噪声;通过子图重构的方式,生成待发布图.最后,利用度分布、最短路径、聚类系数等统计分析方法,实验验证了该模型的可行性和有用性.

关键词：差分隐私保护社交网络发布图生成模型

MapReduce框架下支持差分隐私保护的k-means聚类方法

在线全文

学校读者我要写书评

暂无评论

通信学报 2016年第2期37卷 124-130页

作者：李洪成吴晓平陈燕海军工程大学信息安全系解放军61062部队

针对传统隐私保护方法无法应对任意背景知识下恶意分析的问题,提出了分布式环境下满足差分隐私的k-means算法。该算法利用Map Reduce计算框架,由主任务控制k-means迭代执行;指派Mapper分任务独立并行计算各数据片中每条记录与聚类中心... 详细信息

针对传统隐私保护方法无法应对任意背景知识下恶意分析的问题,提出了分布式环境下满足差分隐私的k-means算法。该算法利用Map Reduce计算框架,由主任务控制k-means迭代执行;指派Mapper分任务独立并行计算各数据片中每条记录与聚类中心的距离并标记其属于的聚类;指派Reducer分任务计算同一聚类中的记录数量num和属性向量之和sum,并利用Laplace机制产生的噪声扰动num和sum,进而实现隐私保护。根据差分隐私的组合特性,从理论角度证明整个算法满足ε-差分隐私保护。实验结果证明了该方法在提高隐私性和时效性的情况下,保证了较好的可用性。

关键词：数据挖掘 k-均值聚类 Map Reduce 差分隐私保护 Laplace机制

MapReduce框架下支持差分隐私保护的随机梯度下降算法

在线全文

学校读者我要写书评

暂无评论

通信学报 2018年第1期39卷 70-77页

作者：俞艺涵付钰吴晓平海军工程大学信息安全系湖北武汉430033

针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算... 详细信息

针对现有分布式计算环境下随机梯度下降算法存在效率性与私密性矛盾的问题,提出一种MapReduce框架下满足差分隐私的随机梯度下降算法。该算法基于MapReduce框架,将数据随机分配到各个Map节点并启动Map分任务独立并行执行随机梯度下降算法;启动Reduce分任务合并满足更新要求的分目标更新模型,并加入拉普拉斯随机噪声实现差分隐私保护。根据差分隐私保护原理,证明了算法满足e-差分隐私保护要求。实验表明该算法具有明显的效率优势并有较好的数据可用性。

关键词：机器学习随机梯度下降 MapReduce 差分隐私保护拉普拉斯机制

在线全文

学校读者我要写书评

暂无评论

基于BC聚类的差分隐私保护推荐算法

北京邮电大学学报 2021年第2期44卷 81-88页

作者：王永尹恩民冉珣重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学电子商务与现代物流重点实验室重庆400065

为提高差分隐私保护下推荐算法的准确性,提出了一种考虑差分隐私保护的基于Bhattacharyya系数(BC)的聚类推荐算法.以BC作为项目相似性度量的标准,根据BC相似性对项目进行K-medoids聚类,并在聚类簇中进行私有项目邻居选择.最后,根据最近... 详细信息

为提高差分隐私保护下推荐算法的准确性,提出了一种考虑差分隐私保护的基于Bhattacharyya系数(BC)的聚类推荐算法.以BC作为项目相似性度量的标准,根据BC相似性对项目进行K-medoids聚类,并在聚类簇中进行私有项目邻居选择.最后,根据最近邻居集信息,对用户的评分进行预测和Top-n推荐.提出的方案有效地克服了已有方法中存在的相似性度量依赖于共同评分的问题,提高了相似性度量的准确性,有效避免了因隐私保护而造成的最近邻居集质量下降的问题.理论分析和实验测试的结果表明,该方法在实现隐私保护的同时还能有效保证推荐的高质量,较好地实现了隐私保护和数据效用之间的平衡,具有良好的应用潜力.

关键词：协同过滤 Bhattacharyya系数差分隐私保护 K-medoids聚类推荐系统

在线全文

学校读者我要写书评

暂无评论

差分隐私保护WGAN-GP算法研究

计算机应用研究 2021年第9期38卷 2837-2841页

作者：于雅娜李红娇李晋国上海电力大学计算机科学与技术学院上海201306

针对攻击者利用生成式对抗网络技术(GAN)还原出训练集中的数据,泄露用户隐私信息的问题,提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的方法。该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声,并使用梯... 详细信息

针对攻击者利用生成式对抗网络技术(GAN)还原出训练集中的数据,泄露用户隐私信息的问题,提出了一种差分隐私保护梯度惩罚Wasserstein生成对抗网络(WGAN-GP)的方法。该方法在深度学习训练过程中对梯度添加精确计算后的高斯噪声,并使用梯度惩罚进行梯度修正,实现差分隐私保护。利用梯度惩罚Wasserstein生成对抗网络与原始数据相似的数据。实验结果表明,在保证数据可用性的前提下,该方法可以有效保护数据的隐私信息,且生成数据具有较好的质量。

关键词：差分隐私保护深度学习梯度惩罚Wasserstein生成对抗网络

在线全文

学校读者我要写书评

暂无评论

差分隐私保护的非凸正则优化理论与算法研究

差分隐私保护的非凸正则优化理论与算法研究

作者：苑文丽贵州大学

学位级别：硕士

差分隐私是一类特殊的隐私保护方式.其在很多领域有着广泛应用,如在美国人口普查局展示通勤模式、Google分享历史流量统计信息等.因此成为近年来最优化及相关领域的热点研究课题.在实际应用中,结合经验风险极小化问题,可以保证数据查询... 详细信息

差分隐私是一类特殊的隐私保护方式.其在很多领域有着广泛应用,如在美国人口普查局展示通勤模式、Google分享历史流量统计信息等.因此成为近年来最优化及相关领域的热点研究课题.在实际应用中,结合经验风险极小化问题,可以保证数据查询结果准确性的同时,保护用户贡献者的隐私不被泄露.达到差分隐私保护的方式就是从一个不满足差分隐私的算法出发,往算法里适当地加入满足某种分布的噪声,使查询结果随机化.本文主要研究隐私保护下带有非凸正则的经验风险极小化问题,结合迭代收缩阈值算法对梯度添加满足差分隐私的噪声来得到满足隐私保护的算法.具体研究内容如下:(1)针对MCP正则的经验风险极小化问题,研究其梯度扰动下差分隐私算法的设计与实现.基于Barzilar-Borwein(简称BB)方法的思想,提出一个以BB步长做试探步进行线搜索的迭代收缩阈值算法.该算法在BB步长的确定过程中不涉及任何参数的选取,避免了参数调优的困难以及参数选取的对计算效果的影响.其次,证明了该算法具有差分隐私保护性质,同时证明了该算法具有收敛性.(2)基于机器学习中两类经典的优化问题:逻辑回归(LR)问题和支持向量机(SVM)问题,采用满足高斯分布的随机数据以及波兰某公司五年的破产数据(Polish companies bankruptcy data)进行了一系列的数值模拟实验,验证了我们提出的理论与算法的有效性.

关键词：差分隐私保护梯度扰动收缩阈值算法 MCP正则经验风险极小化

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

面向社交网络分析的差分隐私保护研究综述

高技术通讯 2015年第3期25卷 239-248页

作者：王俊丽管敏魏绍臣同济大学CAD研究中心上海201804

阐述了数据的差分隐私保护概念,给出了差分隐私保护模型,从理论上描述了其噪声机制和组合性质,着重进述了差分隐私保护模型在社交网络发布数据隐私保护上的应用及发展,给出了差分隐私保护应用于度分布查询、子图计数、聚类系数计算、边... 详细信息

阐述了数据的差分隐私保护概念,给出了差分隐私保护模型,从理论上描述了其噪声机制和组合性质,着重进述了差分隐私保护模型在社交网络发布数据隐私保护上的应用及发展,给出了差分隐私保护应用于度分布查询、子图计数、聚类系数计算、边权重计算等社交网络分析技术的实验结果。分析发现,研究差分隐私保护应重点考虑隐私预算和噪声机制,隐私预算决定了隐私保护强度,噪声机制决定了查询准确性;探讨差分隐私保护在社交网络领域的应用,是一个重要的研究方向。

关键词：差分隐私保护社交网络分析图挖掘统计方法

面向电力工控网络大数据的微聚集差分隐私保护方法

在线全文

学校读者我要写书评

暂无评论

南京理工大学学报 2019年第5期43卷 571-577页

作者：程伟华谭晶徐明生倪震江苏电力信息技术有限公司江苏南京210024 南京晓庄学院信息工程学院江苏南京211171

针对隐私泄露问题,该文提出一种在频繁模式挖掘中依托微聚集算法实现的差分隐私保护方法,并将其应用到电力工控网络中。通过对指数机制和每个模式的微聚集权重的权衡,选择了Top-k频繁模式方法,并加入拉普拉斯噪声进行扰动,使每个被选择... 详细信息

针对隐私泄露问题,该文提出一种在频繁模式挖掘中依托微聚集算法实现的差分隐私保护方法,并将其应用到电力工控网络中。通过对指数机制和每个模式的微聚集权重的权衡,选择了Top-k频繁模式方法,并加入拉普拉斯噪声进行扰动,使每个被选择模式的原始支持度均实现了隐私保护与效用的平衡,最大程度地确保了信息发布、数据分析需求和隐私保护需求的平衡,保障了各方对电力工控系统的信任和电力工控系统的健康成长,在数据集上的实验结果验证了该方法的有效性。

关键词：微聚集匿名化频繁模式挖掘差分隐私保护