面向虹膜数据发布的差分隐私保护

针对虹膜数据在发布后可被攻击者利用并获得用户隐私的问题,提出了一种基于随机映射与差分隐私的虹膜数据发布隐私保护方法。该方法利用随机映射对发布虹膜数据进行模板处理,然后对注册过程中建立的模板添加噪声,使其满足差分隐私,进一步提高发布数据的隐私保护程度。最后,通过安全性分析及在模拟环境下的实验,进一步证实了所提出方法的安全性和有效性。     

位置服务大数据的分析处理方法与隐私保护

大数据的到来使得社会、科学、生活都发生了巨大的变革,当前基于位置数据服务所产生的位置大数据是大数据的重要研究问题之一。从位置大数据的背景出发,从位置大数据的概念、分析方法、隐私保护等三个方面对位置大数据的研究现状进行了介绍。     

面向混合型数据集自适应聚类的差分隐私保护算法

差分隐私是能够提供严谨数学证明的隐私保护模型,针对传统差分隐私保护方法在混合型数据集中应用效果差、处理后破坏数据可用性等问题,提出一种面向混合型数据集自适应聚类的差分隐私保护算法.结合快速聚类及k-prototype聚类算法的特点,首先根据混合数据集的不同数据类型属性,采用不同的相异度计算方式实现对不同数据类型属性的距...     

位置隐私保护技术的发展研究

移动通信和移动定位技术的快速发展给人们带来诸多便利,人们能够快速、精确地获得自己所在的位置,但用户位置隐私遭到侵害的概率也越来越大,关于位置隐私的保护也变得越来越重要。在基于位置的服务中,服务的质量和用户的隐私是一对矛盾体,如何在保护用户位置隐私的前提下更好地为用户提供服务是研究的重点。从身份匿名、数据混淆、轨迹隐私保护3个方面介绍了位置隐私的保护。     

大数据发展背景下网络安全与隐私保护研究

随着信息科技的发展,人们的生活方式发生了重大改变。在大数据发展背景下,网络安全与隐私保护成为人们日益关注的问题。论述了大数据发展背景下网络安全与隐私保护问题。     

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...     

基于Hbase的健康监测大数据平台隐私保护研究

随着手机和可穿戴设备的蓬勃发展,越来越多的人运用健康平台记录运动数据,在方便应用的同时也带来了安全和隐私问题。为解决健康平台存在的各种隐患,采用以下应对措施：在数据采集端,有统一的健康监测数据接入协议,采用不同的规则对用户数据进行安全处理;在数据发布端,按照发布规则,对共享的健康信息进行保护,对平台不同用户给予不同权限;在存储端,对各种健康数据,都有查询和使用的详细记载。通过以上措施,极大改善了用户的个人隐私问题。     

面向大数据环境的数据库隐私保护区块链模型

为了保护大数据环境中数据库的隐私,提出了一种基于区块链的数据库隐私保护模型.该模型使用分布式区块链来保护敏感数据,并将非敏感数据保存在普通的分布式数据库中.设计了一个数据管理策略以实现数据分配和搜索等操作.提出了用于区块链账本维护的共识协议和随机同态椭圆曲线密码加密模型,以提高数据安全性和效率.实验结果表明,提出的模型能减少数据库搜索时间,改善加密的性能,并且能节省硬盘和处理器资源.     

智能交通大数据隐私保护实验平台

智能交通系统是未来交通系统的发展方向,它集成了多方面技术的管理系统,具有实时、准确、高效等特点。随着系统的数据量越来越大,对交通大数据隐私的保护则显得格外重要。大数据隐私保护仿真平台提供两种方式建立路网,一种是使用路网生成工具,通过自主编写道路文件生成自定义的路网;另一种是使用路网转换工具,转换不同格式的路网。研究归纳了现阶段智能交通大数据隐私保护面临的挑战与不足,介绍了智能交通大数据实验平台的构成和原理,描述了系统框架的设置和隐私保护方法。结果表明:该平台能够有效智能交通大数据安全隐私,具有较好的教学与科研价值。     

PINQ下K-means的差分隐私保护研究

差分隐私保护是Dwork提出的基于数据失真技术的一种新的隐私保护模型,由于其克服了传统隐私保护需要背景知识假设和无法定量分析隐私保护水平的缺点,近年来迅速成为隐私保护领域研究热点。PINQ是最早实现差分隐私保护的交互型原型系统。介绍了差分隐私保护相关理论基础,分析了PINQ框架的实现机制。以PINQ中差分隐私保护下K means聚类实现为例,研究了差分隐私在聚类中的应用。仿真实验表明,在不同的隐私预算下,实现的隐私保护级别也不同。     

大数据时代图书馆个性化信息服务中读者隐私保护研究

本文对大数据时代图书馆读者隐私数据的主要内容进行了界定,并展示了大数据时代图书馆个性化服务的过程;研究了大数据时代图书馆个性化服务中有关读者隐私侵犯的风险。最后,提出了大数据时代图书馆个性化服务中基于制度建设与技术保障的隐私保护策略,并给出了基于技术层面的读者隐私保护层次模型。     

“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。     

基于知识图谱的健康大数据背景下国内隐私保护研究

目的:探索健康大数据背景下隐私保护的研究现状、热点及趋势.方法:收集CNKI收录的国内2013-2020年本领域研究文献,筛选后下载导出,并利用CiteSpace V软件对作者、关键词分别进行可视化分析,绘制本领域的知识图谱.结果:共纳入有效文献401篇,2013-2020年发文量呈上升趋势,但核心研究团队欠缺,合作较...     

大数据时代大学生网络环境隐私保护行为调查分析

文章对大数据时代大学生网络环境中的个人隐私保护行为进行了问卷调查,结果表明:大学生在网络活动中的隐私保护意识不强,诸多行为不利于隐私信息保护。社会、学校和大学生都应该行动起来,以增强大学生的隐私保护意识,提高大学生的隐私保护能力。     

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。     

基于噪声匿名组的LBS位置隐私保护算法

现有LBS位置隐私保护以K匿名为主要思想。为解决其对攻击者背景知识估计不足而无法构造完全有效的隐私保护模型问题,引入差分隐私将位置信息作为差异特性实体,构造出新的MBG算法。算法结合现有相关系统的定位算法,以用户自组织网络为基础,在构造匿名组时,通过设置距离参数以过滤不符合Geo-indistinguish ability的用户,从而达到提升用户隐私保护目的。实验证明在保证用户服务质量的前提下,该算法提升了用户隐私保护效果。     

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。     

大数据时代下隐私问题的伦理思考

大数据时代给人们带来了空前的便利,"云"储存可以让人"足不出户、洞察天下"。但不容忽视的是,大数据体系在吸纳数据时,并不将个体是否愿意共享信息的意愿考虑在内,必然带来了隐私非隐的问题。要解决大数据时代所带来的对他人人格尊重的缺乏,对社会现行价值观的冲击,对构建现代文明社会和社会主义和谐社会的影响等伦理困惑,仅靠法律、技术手段是不够的,还需要从隐私伦理道德观的形成、行业自律制度的建立、全民数据素养教育的加强等方面展开一系列隐私伦理建设,使人们能虑及人类的整体利益和生存价值,更智慧地迎接一个安全、高效、文明、发达的大数据时代。     

大数据时代美国学生数据隐私保护立法与治理体系

教育大数据已成为推动各国教育系统变革的重要力量.针对教育大数据应用中出现的学生数据隐私侵犯问题,美国政府通过立法和政策引导,加上行业协会的自律性政策,基本构建起大数据时代的数据隐私保护法规体系.美国从成立专门隐私保护机构到规范运作程序等方面,形成了有效的数据隐私治理体系.     

面向社交关系的位置隐私保护模型研究

针对移动社交网络中用户通过社交平台分享位置信息时存在可信社交关系和不可信陌生人的攻击等问题,提出了一种面向社交关系的位置隐私保护模型。该模型通过对社交关系进行分类和对位置隐私进行分级,让不同级别的用户看到不同精度的位置信息,从而实现对位置的隐私保护。其中,对社交关系的分类包括对用户的好友类别按亲密度分级和对陌生人类别按信任模型计算值分级。相较于L intimacy模型,该模型具有较低的时间复杂度和隐私泄漏率,且能有效保护用户位置隐私。