检索结果-南通市图书馆

作者：曹小杰河南财经政法大学

学位级别：硕士

信息技术的迅速发展使得服务提供方收集用户的多维数据变得尤为容易。通过分析用户的多维数据能够有效改善服务产品的用户体验以及提高产品质量。然而,不可信的服务提供方或者第三方直接收集用户数据时,会导致用户个人隐私泄露。例如,... 详细信息

信息技术的迅速发展使得服务提供方收集用户的多维数据变得尤为容易。通过分析用户的多维数据能够有效改善服务产品的用户体验以及提高产品质量。然而,不可信的服务提供方或者第三方直接收集用户数据时,会导致用户个人隐私泄露。例如,通过挖掘某用户的个人购物数据,可以推理出该用户的行为模式与购物偏好。因此,如何有效保护用户个人隐私的同时又能够对数据进行有效的分析是至关重要的问题。本地化差分隐私模型依赖于严格的统计学背景成为了隐私保护主流模型之一。该模型假设数据收集者是不可信的前提下,允许每个用户上传本地扰动后的数据,而真实数据仍然保留在用户自己手中。基于此,本文着眼于该模型下的多表星形连接(Star-Join)查询方法研究与数据立方体发布方法研究。基于本地化差分隐私多关系表示上的Star-Join查询已得到研究者广泛关注。现有基于OLH机制与层次树结构的Star-Join查询算法存在根结点泄露隐私风险、τ-截断机制没有给出如何选择合适τ值等问题。针对现有算法存在的不足,提出了一种有效且满足本地化差分隐私的Star-Join查询算法LPRR-JOIN。该算法充分利用层次树的纵向路径结构与GRR机制,设计了一种纵向本地扰动算法LPRR,该算法以所有属性纵向路径上的结点组合作为扰动值域。为了避免事实表上存在的频率攻击,LPRR-JOIN算法允许每个用户利用阈值τ本地截断自身元组个数,大于τ条元组删减、小于τ条元组补充。为了寻找合适的τ值,LPRR-JOIN算法利用τ-截断带来的偏差与扰动方差构造总体误差函数,通过优化误差目标函数获得τ值;其次结合用户分组策略获得τ的总体分布,利用中位数获得合适的τ值。此外,本文基于本地化差分隐私研究了数据立方体的发布问题。由于现有边缘表发布方法仅考虑维度之间的组合关系,无法直接应用于数据立方体发布。其主要原因在于数据立方体之间存在的偏序关系使得其发布难度远大于边缘表发布。基于此,本文从全方体、基本方体和部分方体的角度设计了三种数据立方体发布算法Full,Base与Partial。其中实现Partial算法存在大的挑战。其原因是当事实表的维度很大时,在指数级方体中搜索部分方体是个NP问题。因此,Partial算法采用贪心覆盖与格结构相结合的策略来寻找满足要求的部分方体。

关键词：本地化差分隐私多维数据模型星形连接查询数据立方体本地扰动

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

基于本地差分隐私的多维范围查询关键技术研究

基于本地差分隐私的多维范围查询关键技术研究

引用

作者：周丹河南财经政法大学

学位级别：硕士

人工智能技术的高速发展,信息系统产生大量的用户数据。这些数据维度高且蕴含着丰富的价值,通过对用户数据的收集和分析,可以帮助商家提高产品和服务质量。但在对用户数据的收集和分析过程中,需要对用户数据进行隐私保护。本地化差分隐... 详细信息

人工智能技术的高速发展,信息系统产生大量的用户数据。这些数据维度高且蕴含着丰富的价值,通过对用户数据的收集和分析,可以帮助商家提高产品和服务质量。但在对用户数据的收集和分析过程中,需要对用户数据进行隐私保护。本地化差分隐私技术下的多维范围查询问题已得到了研究者的广泛关注。针对现有结合层次树结构的算法存在层次树根节点泄漏用户隐私的情况,随着数据维度的增加,查询误差增长迅速,响应效率低等。本文基于本地化差分隐私模型,提出了一种结合用户分组策略和本地扰动机制的多维范围查询算法(H4MDA)。H4MDA算法充分利用层次树的横向与纵向结构特征,结合用户分组策略,设计了HGRR、LGRR-FD和LGRR三种本地扰动机制。HGRR机制基于层次树横向结构,摈弃层次树根节点组合,结合GRR机制对用户元组数据进行本地扰动。与HGRR机制不同,LGRR-FD机制基于层次树的纵向结构,结合GRR机制扰动用户的本地数据,同时通过添加假数据避免层次树叶子结点泄漏用户隐私。LGRR机制同样结合层次树纵向结构和GRR机制,在摈弃叶子结点层后,本地扰动用户的元组数据。收集者利用所有经过LGRR机制扰动后的用户数据,通过局部一致性处理重构层次树的叶子结点层,虚拟叶子结点的计数之和与父结点的计数值相等。三种扰动机制合理利用层次树结构响应多维范围查询,避免泄漏用户隐私的风险。从理论分析和实验结果上,表明HGGR、LGRR-FD和LGRR机制可以达到隐私保护的效果,并且与同类算法相比响应多维范围查询的精度更优。

关键词：本地化差分隐私多维范围查询层次树本地扰动高维数据

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

基于层次结构的隐私多维分析查询算法

引用

中国科学：信息科学 2023年第6期53卷 1111-1131页

作者：张啸剑周丹徐雅鑫林东岱纪守领孟小峰河南财经政法大学计算机与信息工程学院郑州450002 中国科学院信息工程研究所北京100093 浙江大学计算机科学与技术学院杭州310027 中国人民大学信息学院北京100872

基于本地化差分隐私的多维分析查询(multi-dimensional analytical query,MDA)已得到了研究者的广泛关注.现有基于最优局部哈希(optimal local Hashing,OLH)机制与层次树结构的扰动方法存在泄露根结点隐私的风险.针对现有结合层次树结... 详细信息

基于本地化差分隐私的多维分析查询(multi-dimensional analytical query,MDA)已得到了研究者的广泛关注.现有基于最优局部哈希(optimal local Hashing,OLH)机制与层次树结构的扰动方法存在泄露根结点隐私的风险.针对现有结合层次树结构的本地扰动机制不足,提出了一种有效且满足本地化差分隐私的MDA查询算法H4MDA (hierarchical structure for MDA),该算法充分利用层次树的横向与纵向结构特征设计了3种基于用户分组策略的本地扰动算法HGRR,LGRR-FD,LGRR.算法HGRR结合层次树横向结构与GRR机制本地扰动用户元组数据,通过摈弃根结点组合来响应MDA查询.不同于HGRR,LGRR-FD算法利用层次树的纵向结构与GRR机制扰动本地数据,同时通过添加假数据来避免叶子结点的隐私泄露.LGRR算法通过摈弃叶子结点层纵向扰动本地数据.收集者结合LGRR的扰动结果利用局部一致性处理技术重构层次树最后两层,通过添加虚拟叶子结点来响应MDA查询,而虚拟叶子结点计数之和等于其父节点计数.HGRR,LGRR-FD,LGRR算法与现有扰动算法在3种数据集上实验结果表明,其响应MDA查询的精度优于同类算法.

关键词：多维分析查询层次结构本地化差分隐私本地扰动随机应答机制

来源：

维普期刊数据库

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

横向联邦学习中差分隐私聚类算法

引用

计算机应用 2024年第1期44卷 217-222页

作者：徐雪冉杨庚黄喻先南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023

聚类分析能够挖掘出数据间隐藏的内在联系并对数据进行多指标划分,从而促进个性化和精细化运营。然而,数据孤岛造成的数据碎片化和孤立化严重影响了聚类分析的应用效果。为了解决数据孤岛问题的同时保护相关数据隐私,提出本地均分扰动联... 详细信息

聚类分析能够挖掘出数据间隐藏的内在联系并对数据进行多指标划分,从而促进个性化和精细化运营。然而,数据孤岛造成的数据碎片化和孤立化严重影响了聚类分析的应用效果。为了解决数据孤岛问题的同时保护相关数据隐私,提出本地均分扰动联邦K-means算法(ELFedKmeans)。针对横向联邦学习模式,设计了一种基于网格的初始簇心选择方法和一种隐私预算分配方案。在ELFedKmeans算法中,各站点联合协商随机种子,以较小的通信代价生成相同的随机噪声,保护了本地数据的隐私。通过理论分析证明了该算法满足差分隐私保护,并将该算法与本地差分隐私K-means(LDPKmeans)算法和混合型隐私保护K-means(HPKmeans)算法在不同的数据集上进行了对比实验分析。实验结果表明,随着隐私预算不断增大,三个算法的F-measure值均逐渐升高;误差平方和(SSE)均逐渐减小。从整体上看,ELFedKmeans算法的F-measure值比LDPKmeans算法和HPKmeans算法分别高了1.7945%~57.0663%和21.2452%~132.0488%;ELFedKmeans算法的Log(SSE)值比LDPKmeans算法和HPKmeans算法分别减少了1.2042%~12.8946%和5.6175%~27.5752%。在相同的隐私预算下,ELFedKmeans算法在聚类质量和可用性指标上优于对比算法。

关键词：横向联邦聚类差分隐私本地扰动可用性 K-means算法

来源：

维普期刊数据库

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

横向联邦学习中PCA差分隐私数据发布算法

引用

计算机应用研究 2022年第1期39卷 236-239,248页

作者：朱骁杨庚南京邮电大学计算机学院南京210023 南京邮电大学江苏省大数据安全与智能处理重点实验室南京210023

为了让不同组织在保护本地敏感数据和降维后发布数据隐私的前提下,联合使用PCA进行降维和数据发布,提出横向联邦PCA差分隐私数据发布算法。引入随机种子联合协商方案,在各站点之间以较少通信代价生成相同随机噪声矩阵。提出本地噪声均... 详细信息

为了让不同组织在保护本地敏感数据和降维后发布数据隐私的前提下,联合使用PCA进行降维和数据发布,提出横向联邦PCA差分隐私数据发布算法。引入随机种子联合协商方案,在各站点之间以较少通信代价生成相同随机噪声矩阵。提出本地噪声均分方案,将均分噪声加在本地协方差矩阵上。一方面,保护本地数据隐私;另一方面,减少了噪声添加量,并且达到与中心化差分隐私PCA算法相同的噪声水平。理论分析表明,该算法满足差分隐私,保证了本地数据和发布数据的隐私性,较同类算法噪声添加量降低。实验从隐私性和可用性角度评估该算法,证明该算法与同类算法相比具有更高的可用性。

关键词：横向联邦PCA 差分隐私本地扰动数据发布可用性

来源：

维普期刊数据库

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

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

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

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：