检索结果-南通市图书馆

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

抗推理攻击的网络结构规律性调控研究

抗推理攻击的网络结构规律性调控研究

作者：明冠男重庆邮电大学

学位级别：硕士

网络是表达多种类型数据的强大工具,任何存在关联关系的数据集合都可以表示为网络,例如通信网络、交通网络、电力网络、社交网络、科学引文网络等。随着信息技术以及数据采集技术的快速发展,网络数据的规模呈现爆发式增长,网络数据的挖... 详细信息

网络是表达多种类型数据的强大工具,任何存在关联关系的数据集合都可以表示为网络,例如通信网络、交通网络、电力网络、社交网络、科学引文网络等。随着信息技术以及数据采集技术的快速发展,网络数据的规模呈现爆发式增长,网络数据的挖掘处理越来越成为许多重要应用的基础与核心。然而,与传统数据不同的是,网络数据具有内在的关联性、规律性。面向数据开放共享的发展趋势,恶意攻击者可以利用网络数据内在的关联性、规律性推理发现数据产生者的敏感信息,从而对用户隐私造成了极大的威胁,也阻碍网络大数据的共享与利用。因此,如何在进行网络数据共享利用的同时,有效防止敏感关系推理攻击产生的隐私威胁,已经成为当前工业界和学术界普遍关心的问题。面对以上矛盾,本文提出抗推理攻击的网络结构规律性调控问题,通过网络数据的关键链路识别和网络结构调控灵活改变网络数据内在的结构模式,从而改变网络数据结构关系的可推理性,达到网络敏感关系隐私保护的目的。具体来说,本文将从网络结构的内在规律性入手,建立集网络结构建模、网络规律性度量和网络结构调控为一体的系统性调控框架。同时,本文将针对网络链路中心性度量问题展开深入研究。主要研究工作总结如下:1.针对大数据分析背景下,各项数据挖掘任务在有效推动数据分析应用发展的同时,可能引发的数据隐私泄露问题,本文设计了一种以抗推理攻击为目标的网络结构规律性调控方案。首先,由于网络的微观结构元素识别是实现网络结构调控的关键基础,本文利用不同角度的链路中心性度量方法识别网络中的重要链路。其次,在网络重要链路识别的基础上,设计合理的网络结构规律性调控机制（Network Regularity Regulation）。最后,围绕调控行为对网络结构规律性产生的影响,本文提出基于低秩稀疏理论的网络结构规律性度量方法,并结合各种网络结构的预测推理方法,形成了网络结构规律性调控的评价体系。2.针对已有的链路中心性度量方法对关键链路的识别存在局限性,进而影响网络结构调控效果的问题,本文设计了一种基于随机行走的网络链路重要性度量算法。首先,基于随机行走的思想,提出带间接跳跃重启机制（Random Walk with Indirect Jumps）。然后,在网络结构规律性研究基础上,提出基于间接重启跳跃机制的网络链路重要性度量（Link Importance Measuring）算法。最后,借助于网络结构调控方案,对本文提出的网络链路重要性度量算法进行验证分析。本论文使用人工、真实网络数据集验证所提出的方案及算法。实验证明了网络结构规律性调控对于抗推理攻击隐私保护的可行性,证明了基于随机行走的网络链路重要性度量算法对于网络中关键链路识别的有效性。

关键词：网络数据推理攻击低秩稀疏随机行走

基于位置密度与距离特征的差分隐私推理攻击研究

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

基于位置密度与距离特征的差分隐私推理攻击研究

作者：汪仁杰华中科技大学

学位级别：硕士

随着信息技术的发展,各种各样基于位置的移动设备与服务广泛普及,使得包含了个人信息的移动数据呈爆炸式增长。一方面,这些移动数据可以用作商业研究,为用户提供更准确的服务;另一方面,原始的移动数据不仅包含大量个人属性,还可从中挖... 详细信息

随着信息技术的发展,各种各样基于位置的移动设备与服务广泛普及,使得包含了个人信息的移动数据呈爆炸式增长。一方面,这些移动数据可以用作商业研究,为用户提供更准确的服务;另一方面,原始的移动数据不仅包含大量个人属性,还可从中挖掘用户出行轨迹、社交关系,存在隐私泄露的风险。现有的隐私保护方法中差分隐私被广泛使用,但是对其进行推理攻击的研究却很少。通过对差分隐私进行推理攻击,发现其存在的隐私泄露场景,对未来差分隐私保护方法的完善具有现实意义。针对差分隐私存在的强独立性假设,以及经差分隐私处理后的数据依然能在一定扰动范围内保留用户的位置分布特征这两个问题,先给出扰动后的“真实数据”和“虚假数据”的定义。通过给定一个阈值,当扰动后位置到原始位置的距离在该阈值内,其大概率保留着原始轨迹的特征规律,则对应记录为真实数据,否则为虚假数据。基于这个概念设计了一个推理差分隐私的攻击场景,假设攻击者拥有部分真实数据作背景知识,并且利用背景知识来达到区分真假数据的目的。由此提出了一套针对差分隐私的推理攻击方法(DPIA-LDDF,Differential privacy inference attack based on location density and distance features),将每条扰动后的数据作为一个样本,从多记录中提取相关的位置密度与距离特征作为样本属性,根据数据的真实性为每个样本打上正负标签;将背景知识对应扰动后数据集的样本集作为训练集,一起训练出一个基于决策树的集成模型;将其余待推理的样本集输入该模型,可预测出每个样本的标签,即得到了每个样本对应的签到数据的真实性。设计并实现了该攻击方法,包括界定真假数据的阈值的指定算法,位置特征提取算法,基于决策树的集成算法。在多个数据集上进行实验,验证了DPIA-LDDF方法的有效性。

关键词：移动数据隐私保护差分隐私推理攻击特征提取机器学习

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

自动信任协商中的推理攻击分析

计算机科学 2007年第7期34卷 76-79页

作者：杨秋伟洪帆郑明辉廖俊国华中科技大学计算机学院武汉430074

自动信任协商是陌生实体通过交替地披露属性证书建立信任关系的一种方法。主体拥有的不同属性之间可能存在着某种联系,某些属性的披露会导致其它敏感信息的泄露,即推理攻击。本文分析了属性间的线性关系,提出了属性敏感强度的概念,定义... 详细信息

自动信任协商是陌生实体通过交替地披露属性证书建立信任关系的一种方法。主体拥有的不同属性之间可能存在着某种联系,某些属性的披露会导致其它敏感信息的泄露,即推理攻击。本文分析了属性间的线性关系,提出了属性敏感强度的概念,定义了属性敏感强度的偏序关系,在此基础上定义了自动信任协商系统抽象模型。针对几类推理攻击给出了相应的防御方案及其安全性分析。

关键词：信任证自动信任协商推理攻击授权管理

在线全文

学校读者我要写书评

暂无评论

效用增强的差分私有轨迹合成方法

北京航空航天大学学报 2023年

作者：张学军许陈田丰杜晓刚黄海燕徐彤兰州交通大学电子与信息工程学院陕西师范大学计算机科学学院陕西科技大学电子信息与人工智能学院

轨迹数据对各种应用都具有重要的价值，然而共享与利用轨迹数据的同时保护用户隐私是一个长期的挑战。目前流行的轨迹共享隐私保护方法是基于差分隐私技术来生成与真实轨迹高度相似的完整合成轨迹，会造成合成轨迹可用性低且易遭受位置... 详细信息

轨迹数据对各种应用都具有重要的价值，然而共享与利用轨迹数据的同时保护用户隐私是一个长期的挑战。目前流行的轨迹共享隐私保护方法是基于差分隐私技术来生成与真实轨迹高度相似的完整合成轨迹，会造成合成轨迹可用性低且易遭受位置隐私推理攻击的问题。为此，提出了一种效用增强的差分私有轨迹合成方法UtiE-DPT。该方法通过多次空间划分真实轨迹数据集，构建了细粒度的自适应密度网格来离散化真实轨迹，并设计了适合于自适应密度网格的差分私有马尔可夫移动模型、轨迹行程分布和轨迹长度分布计算模型来更精确地提取真实轨迹的效用保持关键统计特征，有效增强了合成轨迹的效用。为了防止轨迹隐私泄露，对提取的关键统计特征进行差分私有扰动。根据提取的特征并结合抗攻击约束策略生成抵御推理攻击的合成轨迹。在模拟与真实数据集上的大量实验结果表明，与现有的轨迹合成隐私保护方法DP-Star和AdaTrace相比，UtiE-DPT在保护轨迹隐私和抵御位置隐私推理攻击的同时增强了合成轨迹的可用性。在不考虑抵御推理攻击时，UtiE-DPT生成合成轨迹的查询误差比AdaTrace降低了21%～26%，比DP-Star降低了31%～51%；在抵御推理攻击后，虽然合成轨迹的鲁棒性上比AdaTrace降低了约1%，但查询误差比AdaTrace降低了15%～20%，在隐私保护跟效用之间达成更好的均衡。

关键词：轨迹隐私差分隐私轨迹发布马尔可夫链推理攻击

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于差分隐私的轨迹隐私保护方法

电子学报 2021年第7期49卷 1266-1273页

作者：袁水莲皮德常胥萌南京航空航天大学计算机科学与技术学院江苏南京211106

针对现有的轨迹隐私保护模型大多难以抵御复杂背景知识攻击的问题,本文提出了一种基于差分隐私的轨迹隐私保护方法.首先结合地理不可区分机制对原始轨迹数据添加半径受限的拉普拉斯噪音;其次构造数据映射模型将原始数据和噪音数据映射... 详细信息

针对现有的轨迹隐私保护模型大多难以抵御复杂背景知识攻击的问题,本文提出了一种基于差分隐私的轨迹隐私保护方法.首先结合地理不可区分机制对原始轨迹数据添加半径受限的拉普拉斯噪音;其次构造数据映射模型将原始数据和噪音数据映射到新的发布位置,使攻击者无法获取真实轨迹数据;接着应用最优数据映射函数发布最优的轨迹位置以提高发布数据的可用性;最后利用差分隐私抵御非敏感信息推理攻击,进一步保护用户隐私.实验结果表明,本文算法既能有效保护轨迹数据中用户的隐私,也能保证数据的可用性.

关键词：轨迹数据隐私保护差分隐私地理不可区分背景知识攻击推理攻击

在线全文

学校读者我要写书评

暂无评论

基于重力模型生成假轨迹的隐私保护方法

北京邮电大学学报 2017年第2期40卷 57-66页

作者：张翠中国科学院信息工程研究所信息安全国家重点实验室北京100195 中国科学院大学网络空间安全学院北京100195

针对连续查询场景中用户实时位置的隐私保护问题,设计了一种基于客户端的假轨迹生成方法.该方法使用网格划分地理空间,统计网格划分后每个网格内的历史查询数据.通过分析网格内的历史查询数据构建实时预测用户移动轨迹的重力模型.在重... 详细信息

针对连续查询场景中用户实时位置的隐私保护问题,设计了一种基于客户端的假轨迹生成方法.该方法使用网格划分地理空间,统计网格划分后每个网格内的历史查询数据.通过分析网格内的历史查询数据构建实时预测用户移动轨迹的重力模型.在重力模型基础上结合历史查询概率定义了轨迹熵度量轨迹隐私保护等级,并在最大运行速度限制下,提出了一种具有最大轨迹熵的基于k-匿名的假轨迹隐私保护算法.实验结果验证了所设计的假轨迹生成方法能够有效地保护真实轨迹的隐私.

关键词：连续位置服务重力模型轨迹隐私推理攻击

在线全文

学校读者我要写书评

暂无评论

基于特征映射的差分隐私保护机器学习方法

计算机科学 2021年第7期48卷 33-39页

作者：陈天荣凌捷广东工业大学计算机学院广东510006

图像分类中的差分隐私算法在通过添加噪声的方式提高机器学习模型的隐私保护能力的同时,容易造成模型分类准确度的下降。针对以上问题,提出了一种基于特征映射的差分隐私保护机器学习方法,该方法结合预训练神经网络和影子模型训练技术,... 详细信息

图像分类中的差分隐私算法在通过添加噪声的方式提高机器学习模型的隐私保护能力的同时,容易造成模型分类准确度的下降。针对以上问题,提出了一种基于特征映射的差分隐私保护机器学习方法,该方法结合预训练神经网络和影子模型训练技术,以差分向量的形式将原数据样本的特征向量映射到高维向量空间,缩短样本在高维向量空间的距离,以减小模型更新造成的隐私信息泄露风险,同时提高机器学习模型的隐私保护能力和分类能力。由MNIST和CIFAR-10数据集上的实验结果表明,ε分别等于0.01和0.11的ε0-差分隐私的模型的分类准确度分别提高到了99%和96%,说明所提方法训练的模型相比DP-SGD等现有多种常用差分隐私算法,能在更低隐私预算下保持更强的分类能力;且在两个数据集上针对该模型的推理攻击成功率降低为10%,其对推理攻击的防御能力相比传统图像分类的CNN模型有较大幅度的提升。

关键词：机器学习差分隐私图像分类推理攻击影子模型

在线全文

学校读者我要写书评

暂无评论

社交网络中用户隐私推理与保护研究综述

计算机工程与应用 2020年第19期56卷 1-12页

作者：朴杨鹤然崔晓晖武汉大学国家网络安全学院武汉430072

如今微博和Twitter等社交网络平台被广泛地用于交流、创建在线社区并进行社交活动。用户所发布的内容可以被推理出大量隐私信息,这导致社交网络中针对用户的隐私推理技术的兴起。利用用户的文本内容及在线行为等知识可以对用户进行推理... 详细信息

如今微博和Twitter等社交网络平台被广泛地用于交流、创建在线社区并进行社交活动。用户所发布的内容可以被推理出大量隐私信息,这导致社交网络中针对用户的隐私推理技术的兴起。利用用户的文本内容及在线行为等知识可以对用户进行推理攻击,社交关系推理和属性推理是对社交网络用户隐私的两种基本攻击。针对推理攻击保护机制和方法的研究也在日益增加,对隐私推理和保护技术相关的研究和文献进行了分类并总结,最后进行了探讨和展望。

关键词：社交网络推理攻击隐私保护机器学习

在线全文

学校读者我要写书评

暂无评论

一种基于异步联邦学习的安全聚合机制

西安邮电大学学报 2023年第1期28卷 50-61页

作者：秦宝东杨国栋马宇涵西安邮电大学网络空间安全学院陕西西安710121 长安大学信息工程学院陕西西安710064

针对异步联邦学习的客户端数据隐私保护难度高、存在推理攻击等安全问题,提出一种基于异步联邦学习的安全聚合机制。根据客户端异步学习的特征,利用秘密分享与Paillier同态加密等技术在客户端选择自己的秘密份额用于掩盖客户端模型参数... 详细信息

针对异步联邦学习的客户端数据隐私保护难度高、存在推理攻击等安全问题,提出一种基于异步联邦学习的安全聚合机制。根据客户端异步学习的特征,利用秘密分享与Paillier同态加密等技术在客户端选择自己的秘密份额用于掩盖客户端模型参数,服务器则利用拉格朗日插值法恢复总秘密用于获取聚合的全局参数,在保留异步模型低开销与高精度的优势下,具备抵御推理攻击的能力,使模型更加可靠实用。实验结果表明,所提安全聚合机制在每轮迭代中,客户端加密的平均耗时为0.226 s,服务器安全聚合的平均耗时为0.363 s。与模型训练相比,安全聚合产生的时间开销极小,且提高了模型的安全性。

关键词：联邦学习异步更新推理攻击安全聚合秘密分享 Paillier加密