基于匿名区域优化的位置隐私保护算法研究

提出了基于匿名区域优化位置隐私保护方法,通过预测的时长请求为用户计算出最优的匿名时间且划出最优的匿名时刻。本文所定义的概率位置指的是用户在一个位置出现的概率。算法主要考虑了用户的移动速度和方向,预测出用户的位置,然后推出用户的可能匿名区域,且给出最优时间。仿真实验结果表明,本文提出的请求位置隐私保护算法能够有效保护用户位置隐私信息。     

基于隐私决策度的改进k-匿名算法

现有的匿名化隐私保护技术在进行数据发布和数据共享前对于敏感属性的个性化隐私保护的支持存在不足,为了实现更为合理的个性化隐私保护,结合粒计算粗糙集理论和k-匿名理论的最新研究成果,针对电子商务中隐私保护个性化决策选择度的不同,从粒化角度出发,提出一种基于隐私决策度的改进k-匿名算法。经实验验证,该算法更好的实现了隐私保护的个性化,同时其隐私保护精度方面优于已有的p-Sensitive k-匿名算法。     

分类敏感属性规则的数据库隐私保护模型

针对现有算法在数据库隐私保护的应用中还存在效果不好、运算繁琐的问题,本文提出了一种基于分类敏感属性规则的数据库隐私保护模型,对单敏感属性和多敏感属性进行分类,并分别采用correlation算法与MDR算法进行规则的制定。对于单敏感属性,通过对数据集中的元组进行基于敏感值的划分以及引入迷惑元组的方式,消除由于多次发布所形成的推理通道,对于多敏感属性,使得等价组中的每一维敏感属性的取值具有多样性特征,并且增加了敏感属性之间的对应多样性。通过仿真实验表明,本文提出的改进算法相比较目前常用的算法具有更好的保护效果和更快的运行速度。     

基于敏感信息分类的网络信息安全编程方法优化

在对网络信息进行安全编程的过程中容易出现敏感信息与正常信息混淆的情况,导致传统的网络信息安全编程方法由于存在一定的模糊性,无法有效实现网络信息安全编程,提出一种基于敏感信息分类的网络信息安全编程方法,分别求出两个模糊集之间的语义相关度,获取上述语义相关度中最大者,将敏感信息归并在一起,形成文本集合的几个子集,各子集的元素均具有敏感特征。信源经一系列变换后,最后获取经处理后的网络信息,对原始信源消息进行求解,完成信宿的译码操作。仿真实验结果表明,所提方法具有很高的可行性。     

论个性化信息服务中的隐私保护

探讨了个性化信息服务发展中的用户隐私保护问题,分析了目前保护用户隐私权的措施,并针对个性化信息服务网站如何在提供更好的个性化服务和保护用户隐私之间保持平衡,提出了几点建议。     

基于K近邻分类算法的敏感信息过滤方法研究

传统过滤方法构建的信息决策树,采用多次过滤的方法过滤敏感信息,但其过滤效果并不理想,因此研究基于K近邻分类算法的敏感信息过滤方法。此次研究按照敏感词内容进行分类,并划分敏感词汇等级;基于K近邻分类算法,创建具有多层结构的敏感信息决策树,并利用K近邻分类算法,设置决策树的过滤逻辑。实验结果表明:与传统敏感信息过滤方法相比,此次研究的过滤方法,对不同等级的敏感信息,都有较好的过滤效果。     

基于k-匿名的隐私保护

随着数据挖掘等相关技术的快速发展,数据发布过程中敏感信息的泄漏问题也日益突出。在数据发布的使用过程中,对数据分析的同时,需要一种既能保护数据的完整性,又能对隐私数据进行保护的方法,即隐私保护。隐私保护已成为数据库安全研究中的一个新热点。k-匿名技术就是一种在数据发布过程中实现隐私保护的有效方法。分析了基于k-匿名的隐私保护的概念、k-匿名模式、k-匿名模式保护数据中个人信息的方法以及k-匿名模式存在的问题,同时对一些用来克服这些问题的加强模式进行了研究,总结了一些可以用来实施k-匿名模式的主要技术。     

基于属性分类加权的数据隐私保护算法

针对目前社会随着数据共享技术的不断发展所导致的个人隐私数据不断被泄露的问题,本文提出一种新的数据隐私保护算法,该算法具备自身独特的优势,在弱泛化较为重要的属性的操作过程中,特别引入了信息增益、信息增益比率两个参数。此外,还引入了属性权重,通过这个参数可以确定在分类时数据集内对应属性的重要性,并且在匿名化操作中可以对元组数据间距离进行合理的调整。仿真实验结果表明,本文提出的数据隐私保护算法相较以往经典的数据隐私保护算法在处理数据精度以及运行效率方面更加具有优势。     

一种新的基于敏感属性值划分的数据隐私保护算法

针对当前大部分隐私保护模型仍然无法较好地保护数据敏感属性的不足,本文基于以往建立的模型,开创性地针对敏感属性所具有的两类划分方法开展了深入探索,并且研究出了一种新的隐私保护模型,可以达到有效保护具有敏感属性值的类别和级别的数据发布,创建了以该两种划分方式为基础的等价类标签。实验结果表明,本文提出的数据隐私保护算法不仅能够使敏感值链接受到保护,而且能够较好地防止各个等价类的相似性泄露以及敏感程度的泄露现象发生。     

泛在信息环境下情境敏感的自适应个性化信息服务研究

介绍了情境在个性化服务中的作用机制,构建了情境敏感的个性化信息服务功能模型,将模型分为需求层、情境服务层、情境处理层和资源层4个层次,并详细介绍了各层的功能及组成部件,最后深入分析了自适应个性化信息服务实现的关键环节,包括资源的语义标注、用户情境推理及人机交互接口。     

数字图书馆个性化信息服务中的安全与隐私保护问题探讨

随着个性化信息服研究的逐步深入,个性化信息服务已经成为图书馆重要的服务方式。针对个性化信息服务中面临的安全与隐私保护问题进行了探讨,并提出了初步解决问题的对策。     

基于局部敏感哈希算法的语音文档主题分类

对识别后的语音文档进行了向量空间模型的建立,针对得到的高维稀疏矩阵提出了基于局部敏感哈希的语音文档分类算法,算法能够直接在高维稀疏矩阵上进行分类,无需降维。此外,在构建局部敏感哈希函数的时候结合了稳定分布。实验证明,局部敏感哈希算法能够对语音文档进行合理有效的分类,同时获得了较小的时间复杂度。     

利用BP神经网络算法优化个性化搜索引擎

本文针对现代人对网络信息检索需求的提高,提出一种利用BP人工神经网络算法优化个性化搜索引擎的方法,使搜索引擎更具智能化、个性化,力图为用户提供最佳的检索结果。     

面向多敏感属性的个性化分级(l,α,m)-多样性匿名方法

为了防止多敏感属性中敏感属性语义相似性导致的隐私泄露问题,同时尽可能减少匿名保护时的信息损失,提出了个性化分级(l,α,m)-多样性匿名模型。该模型根据敏感属性的语义相似性,对敏感属性进行分级,通过等价类分级加权多样度灵活控制敏感属性语义相异度,控制隐私泄露风险。在此基础上,给出一种基于聚类的匿名模型算法,该算法针对不同准标识符属性设置不同的权值进行泛化处理,构建个性化分级(l,α,m)-多样性匿名模型。实验结果表明,提出的聚类算法能很好地实现个性化分级(l,α,m)-多样性匿名模型,并且能够有效地保护含多敏感属性的个体隐私信息。     

迁移学习优化TB算法的个性化推荐模型

针对标准Trada Boost算法在个性化推荐的应用中还存在精度不高的问题,本文提出了一种基于迁移学习优化Trada Boost算法的个性化推荐模型。首先采用迁移学习对Trada Boost算法的类簇进行平滑处理,即使用聚类算法对用户—项目评分数据进行预处理,并产生预选最近邻用户,接着使用基于内存的协同过滤算法在聚类结果数据上对评分数据进行平滑,最后采用改进的Trada Boost算法构建个性化推荐模型。通过仿真实验表明,本文提出的改进算法相比较目前常用的算法具有更高的个性化推荐精度。     

关于专利申请文件中敏感问题的探讨——以患者隐私信息为例

发明创造的公开应当符合《专利法》第五条的规定,发明专利公报作为一种连续公开的出版物,其公开的内容也应当符合国家相关法律法规的要求。本文从专利法第五条规定的内涵出发,分析了《侵权责任法》《出版管理条例》两部法律法规与《专利法》的交叉适用,以患者隐私信息为例,对申请文件中存在的敏感问题进行深入研究。本文旨在通过研究该问题,在充分保障申请人利益的同时,维护社会公众和相关当事人的合法权益,消除专利申请文件可能造成的不良社会影响,并为相关案件的审查提供理论参考和依据。     

网络信息资源分类体系的优化研究

从分类角度检索网络信息资源是人们检索时常用的方法，不同的网络分类体系在类目体系和资源选择上都有自己的特点。本文分析了网络分类体系优化的基本原理和设计原则；提出了网络信息资源分类体系的基本设计思路反结构优化的纲领原则和措施。     

基于分众分类的航海信息门户个性化知识组织研究

基于分众分类的知识组织方法,对实现航海信息门户的个性化知识组织进行探讨。认为宜采用窄分众分类模式、适度控制用户权限、积极实现专业用户分类与叙词表有效融合等方法,以及充分利用Drupal的用户管理模块和分类模块功能、借助Drupal提供的基于角色的权限系统和强大的个性化环境,以实现航海信息门户知识组织的个性化、专业化与学术化。     

基于文本情绪分类的社交网络用户传播他人隐私信息行为研究

【目的/意义】探究针对微博文本的基于深度学习的情绪分类有效方法,研究微博热点事件下用户转发言论的情绪类型与隐私信息传播的关系。【方法/过程】选用BERT、BERT+CNN、BERT+RNN和ERNIE四个深度学习分类模型设置对比实验,在重新构建情绪7分类语料库的基础上验证性能较好的模型。选取4个微博热点案例,从情绪分布、情感词词频、转发时间和转发次数四个方面展开实证分析。【结果/结论】通过实证研究发现,用户在传播隐私信息是急速且短暂的,传播时以“愤怒”和“厌恶”等为代表的消极情绪占主导地位,且会因隐私信息主体的不同而产生情绪类型和表达方式上的差异。【创新/局限】研究了用户在传播隐私信息行为时的情绪特征及二者的联系,为保护社交网络用户隐私信息安全提供有价值的理论和现实依据,但所构建的语料库数据量对于训练一个高准确率的深度学习模型而言还不够,且模型对于反话、反讽等文本的识别效果不佳。     

基于灰色关联优化熵权算法的财务评价模型

针对传统熵权算法在企业财务评价的应用中表现出评价准确性不高的问题,本文提出了一种基于灰色关联度优化熵权算法的企业财务评价模型,首先用以熵权理论和灰色关联分析法相结合为基础的决策模型对企业的财务进行评价,之后再对评价指标数据列进行确定,并在企业进行评价的时候要采用统一的评价指标,之后再以衡量关联程度的尺度为依据对灰色关联系数进行计算,最后再将关联系数集中成一个值,并用关联度进行表示,从而能够得到最后的评价值。仿真试验结果表明,本文提出的基于灰色关联度优化熵权算法的企业财务评价模型相比较标准熵权算法,具有更高的评价准确性。