XML信息共享中隐私保护技术研究

随着计算机处理能力、存储技术以及网络技术的迅速发展,信息电子化程度得到了极大的提高,这也使得XML信息共享更加广泛地深入到人们的生产和生活的方方面面．但是,随之产生的隐私泄露现象屡见不鲜,所以,如何保护XML隐私数据和防止敏感信息泄露成为当前面临的巨大挑战．而信息共享中隐私保护研究的目标就是在保护数据隐私的同时又不影响数据应用．本文对隐私保护领域已有的研究成果进行了总结,对各类隐私保护技术的基本原理、特点进行了阐述,并介绍了各类技术的典型应用．在对已有技术深入对比分析基础上,指出了隐私保护技术的未来发展方向．     

一种改进的基于差分隐私的k-means聚类算法

聚类分析是数据挖掘和机器学习的一个重要分支,应用范围广,但在聚类分析过程中大量敏感信息的泄露对用户构成威胁。因此,在聚类分析过程中实现隐私保护至关重要。传统基于差分隐私（DP）的k-means聚类算法由于存在盲目选择初始中心点、对异常点敏感度较高等问题,导致在保护数据隐私时,出现聚类可用性较低的情况。针对该问题提出一种改进的基于差分隐私保护的（IDP）k-means聚类算法以提高聚类可用性,并进行理论分析和对比实验。理论分析表明,该算法满足ε-差分隐私;仿真实验结果表明,在同一隐私预算下,k-means算法改进后在聚类可用性上优于其它差分隐私k-means聚类算法,在同一数据集与同一隐私参数下,改进k-means算法在数据可用性方面比传统算法提高了将近5个百分点。     

云备份超混沌加密系统设计与实现

随着大数据、云计算技术的发展和普及,大量数据向云端迁移,其中含有大量敏感数据。针对云存储中存在的数据泄露和隐私安全问题,提出了一个手机通讯录安全云备份系统,使用一种基于三维无简并离散超混沌数据加密算法,对手机通讯录进行加密备份,然后以密文的形式上传存储在云端,在下载时进行解密,恢复数据。与一般的简并超混沌加密算法相比,该加密方法改进了安全性能,可以防止数据在传输过程以及云端泄露隐私,保证敏感数据在云端的安全。     

“互联网+”时代患者隐私保护的健康医疗大数据研究

"互联网+"时代的到来,大数据等新技术的涌现,给患者就诊带来了便利,但是也造成患者个人隐私的严重泄露。文章针对"互联网+"时代下患者隐私严重泄露的问题,分析了"互联网+"时代下健康医疗大数据的发展现状,最后根据存在的患者隐私泄露问题提出了保护患者隐私的建设性意见。     

基于K-匿名的隐私保护算法研究

随着数据共享的出现与发展,如何合理地保护隐私数据,同时又保证数据的可用性,成为当今信息安全领域面临的重大挑战．K-匿名是数据发布隐私保护的一种重要方法,它能够有效防止链接攻击所造成的隐私泄露问题．本文阐述了K-匿名模型的基本思想,给出了模型的概念描述,给出了一些典型的实现算法,并对隐私保护的未来研究方向进行了展望．     

如何保护教育数据隐私？

当前，教育信息化正处于高速发展时期，教育数据隐私风险不容忽视。为有效保护教育数据隐私，文章采用系统文献分析法，首先从研究时间、研究主题两个维度梳理了教育数据隐私保护研究的发展历程，随后揭示了智能校园、智能虚拟教学空间、教育大数据平台三大教育信息化应用场景中存在的教育数据隐私保护问题，最后针对这些问题提出教育数据隐私保护的技术支持方案。该方案提供隐私泄露行为监测、隐私保护分级分类两大功能，整合3种模型训练方式与9种隐私保护技术进行三级隐私保护，可实现不同教育应用场景下模型训练方式与隐私保护技术的个性化配置，从而全场景保护教育数据隐私，促进教育信息化安全、健康发展。     

基于区块链与零知识证明的物流隐私保护研究

物流中转过程中使用的快递单容易暴露用户的隐私信息,同时服务器的存储不当也增加了隐私泄露的风险.为防止物流用户隐私数据泄露,提出基于区块链和零知识证明的物流用户隐私数据保护方案,使用RSA零知识证明身份认证方法对加入区块链网络的用户进行身份认证,确保真实性和合法性;认证完成则通过访问权限管理方案分配对应权限,获取相应隐私...     

一种安全性高的医疗大数据隐私保护模型

为了改善国内医疗云数据存储与共享中患者隐私泄露问题,加快互联网+医疗与医疗云建设,提出一种针对医疗大数据安全共享的隐私保护模型。模型将数据共享过程划分为3个阶段,明确各部分功能。采用一种适合医疗云数据加密场景的RS-Blowfish混合加密算法用于模型数据传输,在数据安全共享的同时兼具数字加密及身份认证功能。增添明文与密钥的Z形置换,改善初始密钥安全性,增添密钥认证,将传统的RSA算法、Blowfish算法和SHA-256算法结合为一个整体。实验结果表明, RS-Blowfish混合加密算法在增强Blowfish安全性的同时,加密速度较3DES快30%,较AES快10%。     

大数据环境下个人隐私保护机制

互联网新型服务和物联网产业的发展,促进了大数据时代正式到来,带来巨大商业价值,但个人隐私泄露的风险也逐渐增大。大数据的价值不仅来源于数据本身,更多地来源于对数据进行二次挖掘与分析。因此个人隐私保护在大数据环境下面临许多新的挑战。分析大数据隐私保护的特点,从技术、法律和行业3个方面简述大数据隐私保护的有关机制,指出需多角度跨学科交叉研究以满足大数据隐私保护需要。     

大数据学习分析的安全与隐私保护研究

随着大数据时代的来临,学习分析技术成为了教育信息化的新浪潮,其涉及的伦理道德问题尤其是学习分析过程中引发的一系列数据安全与隐私问题也成为了教育领域研究的热点。为应对隐私泄露、访问权限模糊、数据可信性受威胁等问题,文章以技术为视角,从数据收集、数据分析和数据解释等三方面构建了数据安全与隐私保护框架,并提出了相关的数据安全与隐私保护策略,以期提高利用学习分析技术进行大数据研究的成效,实现学习分析技术挖掘教育大数据潜在价值的预期目标,充分发挥大数据学习分析的研究价值。     

面向位置大数据的差分隐私保护研究

通信技术和数据挖掘技术的发展,使隐私数据保护面临巨大挑战。为解决位置大数据服务的恶意访问泄露个人敏感信息问题,提出一种新的防止基于背景知识攻击的差分隐私保护模型。首先对位置大数据进行预处理,将位置数据和非位置数据分开,然后运用差分隐私机制分别添加噪声,对扰动后的数据匿名重组后发布。实验结果表明,该方法能有效减少攻击者获取相关敏感数据,保护了用户位置隐私安全。     

基于HTTP数据包分析的安卓隐私泄露检测机制

安卓应用恶意泄露隐私最常使用的手段是基于HTTP协议的网络通信,通过该方法进行隐私泄露比例高达96.2％.针对安卓系统隐私泄露检测需求,提出基于HTTP数据包分析的安卓隐私泄露检测机制,捕获与过滤安卓应用程序运行中产生的网络流量,使用键值对提取及隐私信息匹配等方法判断该应用是否泄露隐私数据.实验结果表明,该方法比已有方...     

基于差分隐私的RDPk-means聚类方法

为解决k-means聚类算法在聚类过程中隐私泄露风险,在满足ε－差分隐私保护前提下,提出一种隐私保护的RDPk-means聚类方法。该方法与传统随机选取初始点方式不同,采取基于网格密度的方式选取初始聚类中心,并在UCI数据集中进行有效性验证。采用543条数据生成2个聚类簇和19 020条数据生成3个聚类簇分别进行实验。结果表明,该聚类方法在不同的数据规模和维数情况下可以很好地保护数据隐私,能保证聚类结果的可用性。     

马克思科学技术观的人本性发展——推荐算法的反向推荐

随着移动互联时代和人工智能的兴起以及大数据的运用和普及,以精准推送和有效供给为特征的推荐算法(Recommendation Alogrithm)成为当前网络领域内容传播最主要的方式,极大地方便了人们获取想要的内容或者网络产品。但是推荐算法在为人们带来个性化推荐的便利和技术红利的同时,仍存在不少问题：用户隐私的泄露、恶意的舆论导向、毫无察觉的封闭式社交,违背了科学技术的发展符合中国马克思主义科学技术观的人本性,以及坚持以人为本的核心要义。因此,为实现推荐算法的人本性发展,文章构想出推荐算法的未来发展——反向推荐。     

面向差分隐私的BIRCH算法研究

利用层次方法的平衡迭代规约和聚类(BIRCH)算法是层次聚类算法的一种,也是机器学习算法的一种.随着机器学习的日益发展,在机器学习中如何保护隐私成为目前研究的热点问题.差分隐私是数据分析保护中的新技术,其特点之一是数据在被不同的参数处理后具有可比较性.针对机器学习中的隐私泄露现象,提出面向差分隐私的BIRCH算法(DP...     

差分隐私保护的学习资源学习热度推荐

如何降低学习隐私的泄露风险,是在线学习面临的一个亟待解决的问题。文章首先揭露了基于学习资源学习热度的推荐系统的形成与隐私泄露风险问题;针对此问题,文章基于差分隐私保护理论,提出了差分隐私保护的学习资源学习热度推荐方案,即对学习资源推荐值进行差分隐私保护处理后再发布结果;最后,文章通过问卷统计分析和实验对比分析,验证了差分隐私保护的学习资源学习热度推荐效果。差分隐私保护的学习资源学习热度推荐的运用,既能保护学习者的学习隐私,又能保留较高的数据可用性,有利于促进在线学习的安全、健康发展。     

大数据时代图书馆读者信息保护的路径探析

大数据的特点是容积大、可变性、速度快和可预测性。大数据技术被广泛运用在图书馆个人信息服务中,通过掌握读者的阅读偏好、行为习惯等个人信息,是以精准信息推送为基础的服务,是充分满足读者需求的个性化信息服务。大数据的广泛使用离不开读者个人信息的收集、存储、挖掘和传输,每个环节都包括对读者个人信息的未经授权的访问和收集载体的泄露。在“互联网+”技术日益普及的大数据环境下,读者个人信息泄露的风险逐渐增大,在大数据时代,必须谨慎保护读者的个人信息。文章首先阐述了当前图书馆读者隐私政策和法规,分析了大数据时代图书馆读者隐私保护面临的挑战,在此基础之上提出了大数据时代图书馆读者信息保护的法律路径。     

考虑泄露风险的在线平台隐私收集策略研究

消费者使用在线平台时会留下隐私信息,是否应当收集消费者隐私并从中获利成为平台企业面临的重要问题。本文通过构建多阶段动态博弈模型,研究政府对隐私泄露施加惩罚的情况下在线平台的最优隐私收集策略。研究结果表明,如果不存在隐私泄露风险,在线平台总是选择收集消费者隐私,且“隐私占比”随着单位隐私价值递增,随着消费者隐私敏感度递减;相反,如果因为发生隐私泄露而遭受惩罚,则仅当惩罚力度较小时平台才有收集消费者隐私的动机。福利分析表明,当隐私泄露的惩罚相对较小时,收集消费者隐私是帕累托改进的。研究结果对于在线平台的隐私收集策略选择和利润来源的聚焦提供了一定的借鉴,也为相关部门制定隐私监管政策提供了参考。     

RC5到RC6的演化设计

对RC5和RC6进行详细的比较和分析,讨论从RC5到RC6的演化设计过程,在此基础上,通过算法仿真实验,给出各自在性能上的优缺点。     

传统数据库隐私泄露的研究

信息技术的快速发展使得信息产业公司收集用户信息变得更加容易,国内外发生个人隐私信息泄露事件屡屡发生,为个人的生活和学习带来很大的伤害和麻烦.本文结合自己的研究方向,综述了国内外隐私保护的相关文献,主要探讨传统数据库领域的隐私泄露及其保护技术.