检索结果-南通市图书馆

Purpose融合:基于风险purpose的隐私查询访问控制

在线全文

学校读者我要写书评

暂无评论

计算机学报 2010年第8期33卷 1339-1348页

作者：刘逸敏周浩峰王智慧汪卫复旦大学计算机科学技术学院上海200433 第二军医大学第三附属医院信息科上海200438

基于purpose的查询技术是关系数据库对隐私数据访问控制的基础,目前大多数研究都仅仅关注在独立隐私保护数据库环境下,如何建立有效的基于purpose的隐私数据访问控制模型.但随着分布应用整合和数据共享需求的日益增长,如何合并独立应用... 详细信息

基于purpose的查询技术是关系数据库对隐私数据访问控制的基础,目前大多数研究都仅仅关注在独立隐私保护数据库环境下,如何建立有效的基于purpose的隐私数据访问控制模型.但随着分布应用整合和数据共享需求的日益增长,如何合并独立应用下基于purpose访问控制模型的问题就应运而生.为解决这一问题,文章提出了多应用系统集成环境下基于融合purpose的隐私数据访问控制实现机制.文章首先分析了由于合并独立purpose模型而引起的潜在隐私数据查询泄漏,提出了合并后的purpose树是一棵隐私泄漏风险树,并给出了树结点隐私风险度的计算模型.其次,将隐私泄漏风险树分解成一棵所有结点风险度为0的风险平衡树以及一组由风险度不为0的结点组成的风险路径.这样,一个查询可被改写为先对风险平衡purpose树的查询,再对风险路径查询,以此达到隐私泄漏风险最小的安全查询结果.文章给出了3组实验的结果:(1)对于同一用户同一查询,在不同purpose模型下的查询时间比较.文章提出的模型并没有在查询时间上带来更大的开销.(2)对RPPAAC模型防止隐私数据泄漏的有效性验证.文中的模型可降低由应用整合引起访问控制机制不平衡所带来的隐私数据泄漏风险.(3)不同情况下purpose融合的执行时间比较.文章与相关研究的不同之处是将purpose作为隐私数据的载体、purpose树的路径作为隐私数据的传递通道,引入了显性隐私度和隐性隐私度的计算模型,评估基于一个purpose查询可能带来的隐私泄漏风险,进而提出了多应用系统集成环境下基于融合purpose的隐私数据访问控制实现机制.

关键词：隐私隐私保护数据库 purpose 隐私度访问控制

在线全文

学校读者我要写书评

暂无评论

一种防边权和语义攻击的位置隐私保护方法

计算机应用研究 2021年第2期38卷 559-563页

作者：张润莲赵新红武小年桂林电子科技大学广西密码学与信息安全重点实验室广西桂林541004 广西高校云计算与复杂系统重点实验室广西桂林541004 广西可信软件重点实验室广西桂林541004

边权攻击和位置语义攻击根据移动用户活动的周边环境推断用户的位置,泄露用户的位置隐私。针对该问题,提出一种防边权攻击的位置语义安全隐私保护方法。该方法将道路的敏感度和关联度结合,构建道路隐私度,描述道路在语义位置的敏感性,... 详细信息

边权攻击和位置语义攻击根据移动用户活动的周边环境推断用户的位置,泄露用户的位置隐私。针对该问题,提出一种防边权攻击的位置语义安全隐私保护方法。该方法将道路的敏感度和关联度结合,构建道路隐私度,描述道路在语义位置的敏感性,及道路与匿名集中其他道路上用户数量分布的均衡性;基于中心服务器结构,根据用户的位置隐私要求,采用宽度优先搜索方式,筛选道路隐私度最小的道路加入匿名集,以生成具备语义安全和防边权推断攻击的匿名集。仿真测试结果表明,该方法筛选的匿名集的匿名成功率达到87%,抗边权攻击和语义攻击的能力要高于对比算法。

关键词：隐私保护位置服务边权攻击位置语义隐私度

在线全文

学校读者我要写书评

暂无评论

基于K-匿名技术的隐私保护研究

基于K-匿名技术的隐私保护研究

作者：李林杭州电子科技大学

学位级别：硕士

随着电子信息技术、数据挖掘技术以及移动定位技术的发展，同时获取大量的信息成为了可能。但人们在享受随意搜寻信息服务的同时，也面临着自身隐私泄露的危险。K-匿名(K-anonymity)技术作为数据与位置隐私保护的一种常用技术，能满足... 详细信息

随着电子信息技术、数据挖掘技术以及移动定位技术的发展，同时获取大量的信息成为了可能。但人们在享受随意搜寻信息服务的同时，也面临着自身隐私泄露的危险。K-匿名(K-anonymity)技术作为数据与位置隐私保护的一种常用技术，能满足数据发布以及位置服务（Location-based Service，LBS）中的隐私保护需求。在数据发布中，K-匿名技术通过牺牲原始数据的质量来换取对数据隐私的保护;在位置服务中，K-匿名技术通过模糊化用户的位置信息来达到隐私保护的目的。一个性能优异的K-匿名算法能避免用户在数据发布、位置服务中因隐私泄露而遭受到不必要的损失，因此，研究K-匿名技术具有重要的理论价值及实际意义。论文围绕K-匿名技术，从数据发布与位置服务的隐私保护两个方面展开研究，深入分析了现有的K-匿名技术以及K-匿名技术可能存在的攻击，并在此基础上提出两个新的K-匿名算法，所做的主要工作以及成果具体如下：1.详细介绍K-匿名技术的概念、特点、可能存在的攻击、研究现状以及研究热点，并对K-匿名技术的常用实现方法以及常用的匿名性度量的方法做了深入研究。2.在研究最大距离平均向量（Maximum Distance Average Vector，MDAV）算法的基础上，提出了一种适用于动态数据发布的隐私保护算法，解决了传统匿名算法不适用于动态数据发布场景的问题。该算法继承了MDAV算法以距离为导向的思想。文章给出了非数值属性间距离的具体计算方法，并通过计算出的距离大小来衡量属性间相似程度的强弱。在计算距离的过程中，不仅考虑了属性间的层次关系，还考虑到属性在整个数据集出现的频度特性，这些考虑能从整体上较好地衡量非数值属性间的联系。3.针对传统位置匿名方法中存在的查询结果不精确、通信开销较大等不足，提出了一种基于分散子匿名区域的位置隐私保护算法，算法将一个传统的匿名区域分散成几个分散的子匿名区域，并用子匿名区域的中心代替子匿名区域内用户的真实位置来向服务器发起查询服务。与传统的匿名方法相比，该匿名方法能得到精确的查询结果并且能较大程度地减小通信量。4.采用熵理论对提出的位置匿名算法进行评估。以用户隐私泄露的概率为事件发生的概率，计算出熵，使用计算出的熵来衡量算法的隐私保护程度，熵值越大，则隐私保护程度越高。

关键词： K-匿名位置服务熵微聚集隐私度

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

数据发布中隐私保护关键技术的研究

数据发布中隐私保护关键技术的研究

作者：黄灿南京航空航天大学

学位级别：硕士

当今信息技术朝着电子化与网络化的趋势发展,人们的个人信息被南规模地收集与共享,隐私泄漏正日益成为一个重要的信息安全问题。在数据发布领域,隐私数据完全是对外公开的,任何人都可以访问。如何保护发布数据中的个人隐私信息不... 详细信息

当今信息技术朝着电子化与网络化的趋势发展,人们的个人信息被南规模地收集与共享,隐私泄漏正日益成为一个重要的信息安全问题。在数据发布领域,隐私数据完全是对外公开的,任何人都可以访问。如何保护发布数据中的个人隐私信息不被攻击者恶意获取,同时又使数据接收者充分利用数据信息进行有效的探索和科学研究,这是一项亟待解决的问题。本文正是在这样的背景下,对数据发布中以泛化为代表的隐私保护技术进行研究。具体工作和创新点如下: （1）介绍现有匿名策略与匿名算法的理论方法和实现技术,分析各种方法自身存在的问题,并就一些新的研究问题进行探讨。（2）提出了基于属性泛化层自修正的泛化算法RIncognito,该算法是对经典算法Incognito的改进。通过考察原始表中属性值的频数分布,按尽量合并小频数值的原则对属性域作划分,形成更合理的泛化层,从而减少泛化过程中不必要的泛化,提高发布数据的精确度。实验证明,原始数据在经过RIncognito匿名后,精确度得到提高。（3）提出了新的数据隐私度和精确度的度量方法。鉴于泛化数据的隐私度目前还没有具体的度量标准,提出了一种定量测算数据隐私度的度量方法——平均泄露概率比;同时归纳整理现有的各种数据精确度度量,并提出基于信息论相关理论的泛化数据精确度度量——加权属性熵,用来表示模糊值给出信息量的多少。最后由实验表明隐私度和精确度之间的关系。（4）设计与实现了自主研发的安全数据库系统NHSecure的数据发布子模块,引入采用k-匿名策略的隐私保护机制,实现原始数据的泛化与发布,并以实例表明隐私保护机制增强了发布的安全性。

关键词：安全数据库数据发布隐私保护隐私度精确度泛化算法

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

基于局部学习的差分隐私集成特征选择算法

计算机技术与发展 2018年第10期28卷 79-82页

作者：刘中锋南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210000

面对海量数据,特征选择在数据挖掘和机器学习领域上通常是不可或缺的一步。目前,机器学习安全领域受到了越来越多的关注,尤其是隐私保护方面。然而,对于隐私保护的特征选择仍然是一个比较新的课题,特别是与集成学习相关的集成特征选择... 详细信息

面对海量数据,特征选择在数据挖掘和机器学习领域上通常是不可或缺的一步。目前,机器学习安全领域受到了越来越多的关注,尤其是隐私保护方面。然而,对于隐私保护的特征选择仍然是一个比较新的课题,特别是与集成学习相关的集成特征选择。差分隐私是一种有着严格理论基础的隐私保护方法,因此提出了一种基于局部学习的差分隐私集成特征选择算法。该算法的主要思想是基于一种输出干扰策略,即向输出结果添加噪声从而保护隐私,而且该噪声依赖于原始算法的隐私度和敏感度。除了严格的理论证明之外,也从实验中展现了算法的性能。实验采用KNN和SVM作为分类器,分别分析了隐私度和特征数量的影响。结果显示随着隐私度的降低,提高了隐私保护程度。

关键词：特征选择集成差分隐私隐私度敏感度

Purpose融合:基于风险purpose的隐私查询访问控制

在线全文

学校读者我要写书评

暂无评论

Purpose融合:基于风险purpose的隐私查询访问控制