检索结果-内蒙古大学图书馆

作者：李艺吉林大学

学位级别：硕士

在互联网上,为了提供各种服务,需要公开发布大量的数据。但是这种数据发布可能会暴露建模机密知识的敏感模式。为了保证隐私信息的安全,清除数据中的敏感模式至关重要。数据和敏感模式通常表示为字符串。消除数据字符串中的敏感模式的... 详细信息

在互联网上,为了提供各种服务,需要公开发布大量的数据。但是这种数据发布可能会暴露建模机密知识的敏感模式。为了保证隐私信息的安全,清除数据中的敏感模式至关重要。数据和敏感模式通常表示为字符串。消除数据字符串中的敏感模式的过程称为字符串清洗。然而,现有算法如TPM用字符串描述敏感模式,其描述能力不强,无法高效地对复杂敏感信息建模,不能满足对敏感数据保护的需求。为解决这个问题,本文提出了更加灵活的敏感模式的定义,可描述更大范围的敏感信息,适用于更多场景,并给出了相应的敏感模式清洗算法。具体来说,本文提出了 SSWW(Sensitive Pattern Sanitization With Wildcard)问题,将通配符$引入敏感模式描述中($表示任意字符)。通过加入通配符,一个模式可描述一个敏感模式集合。本文提出针对此模式的数据清洗算法SSWW-ALGO算法,可有效清除敏感模式而不影响非敏感模式的出现顺序和频率。若将源数据长度设为n,敏感模式长度设为k,则SSWW-ALGO算法的时间复杂度为O(kn),空间复杂度为O(n)。实验数据显示,影响算法运行时间最大的因素是k,算法的运行时间随k的增加而略微增大。其次,本文提出了 PHDC(Pattern Hide with Don’t Cares)问题,将敏感模式扩展为一系列按顺序出现的字符串,称为VLDC(Variable Length Don’t Cares)模式。此前对VLDC的模式匹配的研究中,只检测VLDC模式是否出现在字符串中,而本文检测字符串中出现的所有VLDC模式。本文设计了两种针对VLDC模式的数据清洗算法,分别是hideSequenceOne和hideSequenceTwo。若将源数据长度设定为n,VLDC模式长度设定为k,则hideSequenceOne算法的时间复杂度为O(kn),空间复杂度为O(n)。而hideSequenceTwo算法关注于数据清洗过程中对数据完整性与可用性的保护。实验数据显示,hideSequenceOne在运行时间方面相比于hideSequenceTwo快174.8%,但在对数据完整性与可用性保证方面,hideSequenceTwo 相比于hideSequenceOne 更优。

关键词：数据清洗模式匹配敏感模式 VLDC模式

来源：评论

学校读者我要写书评

暂无评论

一种基于形态学的波长敏感模式提取装置及方法

一种基于形态学的波长敏感模式提取装置及方法

引用

作者：陈漪恺崔杉陈来祥 238100 安徽省马鞍山市含山县经济开发区梅山路1号科技企业孵化器

本发明公开了一种基于形态学的波长敏感模式提取装置及方法。该装置包括：从上到下依次设置的波导结构、后焦面成像装置以及带滤光片的CCD图像传感器；波导结构在被激光或者白光辐照后，所发出光信号被后焦面成像装置收集后由带滤光片的... 详细信息

标准号: CN112665618A

本发明公开了一种基于形态学的波长敏感模式提取装置及方法。该装置包括：从上到下依次设置的波导结构、后焦面成像装置以及带滤光片的CCD图像传感器；波导结构在被激光或者白光辐照后，所发出光信号被后焦面成像装置收集后由带滤光片的CCD图像传感器探测收集，解析获取图像信息；随机设置提取方向；沿此方向遍历选取所有像素点；选取点进行区域生长并进行图像分割处理；依据判定选取表征波导中模式的信息，得到不同的模式分割图案；再计算所得分割图案的质心位置而判断其是否为对应为波长敏感模式；进而筛选完成波长敏感模式的提取。本发明能简化人工判定时间，无需硬件参数参照，实现波长传感应用中波长敏感模式信息的自动提取。

关键词：敏感模式波长波导结构成像装置后焦面滤光片判定形态学图案发出光信号辐照波长传感从上到下获取图像模式分割区域生长随机设置提取方向提取装置图像分割依次设置硬件参数质心位置自动提取像素点白光遍历波导解析激光探测筛选分割应用

来源：评论

学校读者我要写书评

暂无评论

一种基于形态学的波长敏感模式提取装置及方法

一种基于形态学的波长敏感模式提取装置及方法

引用

作者：陈漪恺崔杉陈来祥 238100 安徽省马鞍山市含山县经济开发区梅山路1号科技企业孵化器

标准号: CN112665618B

来源：评论

学校读者我要写书评

暂无评论

基于敏感模式的安卓恶意软件的检测方法及后台系统

基于敏感模式的安卓恶意软件的检测方法及后台系统

引用

作者：廖丹陈锐黄畅李慧张明陈雪 611731 四川省成都市高新区(西区)西源大道2006号

本发明公开了一种基于敏感模式的安卓恶意软件的检测方法及后台系统，检测方法包括获取待检测安卓软件的APK文件，并对其进行反汇编操作提取权限数据和API调用数据，之后对提取的数据进行过滤，形成数据样本；读取基于若干安卓软件的数... 详细信息

标准号: CN111324893A

本发明公开了一种基于敏感模式的安卓恶意软件的检测方法及后台系统，检测方法包括获取待检测安卓软件的APK文件，并对其进行反汇编操作提取权限数据和API调用数据，之后对提取的数据进行过滤，形成数据样本；读取基于若干安卓软件的数据样本构建而成的敏感模式簇，以敏感模式簇的个数为维度，将数据样本基于存在和最大包含度构建成特征向量；将特征向量输入已训练好的恶意软件检测模型，并输出检测结果。本方案还提供一种应用商店的后台系统，其包括基于敏感模式的安卓恶意软件的检测方法，所述检测方法集成于后台系统中。

关键词：敏感模式后台系统数据样本检测恶意软件特征向量读取恶意软件检测权限数据输出检测反汇编构建维度过滤应用

来源：评论

学校读者我要写书评

暂无评论

用于生产具有无效敏感模式的电子装置的方法以及用于将这样的电子装置变换来再激活它的敏感模式的方法

用于生产具有无效敏感模式的电子装置的方法以及用于将这样的电子...

引用

作者： P.卢贝蒙迪法国默东

一种旨在用于将安全电子装置（CH）变换用于新的敏感使用的方法，该安全电子装置（CH）与第一标识符关联并且具有在生产之后无效的敏感模式。这个方法包括以下步骤：（i）利用供给有这个第一标识符和预定秘密密钥的预定函数来外部计算... 详细信息

标准号: CN104364665B

一种旨在用于将安全电子装置（CH）变换用于新的敏感使用的方法，该安全电子装置（CH）与第一标识符关联并且具有在生产之后无效的敏感模式。这个方法包括以下步骤：（i）利用供给有这个第一标识符和预定秘密密钥的预定函数来外部计算第一标识符的密码，（ii）将电子装置（CH）的可达到的金属层（ML）变换以形成表示第一标识符的这个外部计算的密码的激活样式（AS），（iii）取得表示到电子装置（CH）中的这个激活样式的值，（iv）利用这个变换的电子装置（CH）通过向预定函数的反函数供给这个值和这个秘密密钥来计算第二标识符，以在这个第二标识符等于第一标识符的情况下触发向敏感模式的复原。

关键词：标识符电子装置安全电子装置秘密密钥敏感模式预定函数激活样式标识符关联反函数金属层触发外部复原敏感生产

来源：评论

学校读者我要写书评

暂无评论

基于敏感模式的安卓恶意软件的检测方法及后台系统

基于敏感模式的安卓恶意软件的检测方法及后台系统

引用

作者：廖丹陈锐黄畅李慧张明陈雪 611731 四川省成都市高新区(西区)西源大道2006号

标准号: CN111324893B

关键词：敏感模式后台系统数据样本检测恶意软件特征向量读取恶意软件检测权限数据输出检测反汇编构建维度过滤应用

来源：评论

学校读者我要写书评

暂无评论

用于生产具有无效敏感模式的电子装置的方法以及用于将这样的电子装置变换来再激活它的敏感模式的方法

用于生产具有无效敏感模式的电子装置的方法以及用于将这样的电子...

引用

作者： P.卢贝蒙迪法国默东

标准号: CN104364665A

关键词：标识符电子装置安全电子装置变换秘密密钥敏感模式样式激活反函数金属层触发外部复原关联

来源：评论

学校读者我要写书评

暂无评论

增量式的多源序列模式挖掘隐私保护算法

引用

合肥工业大学学报（自然科学版） 2016年第4期39卷 481-485页

作者：张莹钟诚李秋霞广西大学计算机与电子信息学院广西南宁530004

为解决多数据源挖掘隐私保护问题,文章采取按相似度分类多源数据库及其增量数据库,利用原始数据库挖掘结果和增量数据库分析结果进行敏感序列模式匹配,以有效减少数据库扫描次数的方法,设计实现隐私保护的增量式的高投票率序列模式挖掘... 详细信息

为解决多数据源挖掘隐私保护问题,文章采取按相似度分类多源数据库及其增量数据库,利用原始数据库挖掘结果和增量数据库分析结果进行敏感序列模式匹配,以有效减少数据库扫描次数的方法,设计实现隐私保护的增量式的高投票率序列模式挖掘算法。实验结果表明,给出的算法既能够准确挖掘出多数据源中全局高投票率模式,又能有效地隐藏保护敏感模式,且显著缩短了挖掘时间。

关键词：多数据库挖掘隐私保护增量式算法敏感模式

来源：评论

学校读者我要写书评

暂无评论

序列数据的模式隐藏的优化与扩展

序列数据的模式隐藏的优化与扩展

引用

作者：赵贵元吉林大学

学位级别：硕士

在生物信息学、交通运输和网络分析等领域,大量的应用将数据建模为字符串。为了支持这些应用同时保护隐私,这些字符串通常在经过清洗之后传播,清洗后的字符串需要保证数据的效用,尽可能的降低信息的丢失。基于组合模式匹配的数据清洗能... 详细信息

在生物信息学、交通运输和网络分析等领域,大量的应用将数据建模为字符串。为了支持这些应用同时保护隐私,这些字符串通常在经过清洗之后传播,清洗后的字符串需要保证数据的效用,尽可能的降低信息的丢失。基于组合模式匹配的数据清洗能够清除敏感模式,同时保留非敏感模式以及其出现的次序和频率,实现了隐私保护和保持数据效用的平衡,但现有工作在性能和功能上均有不足。本文针对两个问题展开研究,针对应用中的需求,Bernardini等人提出了ETFS(Edit-distance,Total order,Frequency,Sanitization problem)问题,此问题对于生物信息学中祖先基因预测及系统发生树构造具有重要意义。然而现有算法时间复杂高,在应用中性能低,而且无法处理规模较大数据。另外现有基于组合模式的清洗方法只能处理序列形式的敏感模式,对于带gap的敏感模式无法处理。具体来说,首先,本文提出了一种针对ETFS问题的高效的启发式算法greedyHeuristic,算法保证清除敏感模式以及不改变非敏感模式的频率和顺序,并尽可能的缩小生成的字符串与源字符串之间的编辑距离。设输入数据的长度为n,敏感模式的长度为k,敏感模式的位置集合为S,greedyHeuristic算法的时间复杂度为(n+k|S|),空间复杂度为O(n)。实验数据显示,greedyHeuristic在运行较大数据集时比已有解决ETFS问题的开源系统中的算法的运行时间大幅缩短,并且在绝大多数情况下得到问题的最优解,即使在少数不是最优解的情况下,算法得到的结果和最优解与原数据的编辑距离相对误差也非常低。影响最优解占比和相对误差的因素为敏感模式的长度和数量。其次,本文提出了PHG(Pattern Hide with Gap)问题,该问题将敏感模式从字符串扩展为VLG(Variable Length Gap)模式,旨在隐藏字符串中所有的VLG模式,并且尽可能的保留字符串的效用。本文设计了解决PHG问题的启发式算法sanitizationWithGap,该算法将数据中的VLG模式建模为图,模式的一次出现对应图中的一条路径。实验数据显示,算法在运行较大数据集时的运行时间是较短的,并且较好的保证了数据的完整性和可用性。

关键词：数据清洗敏感模式编辑距离 VLG模式

来源：评论

学校读者我要写书评

暂无评论

信息共享中隐私保护若干问题研究

信息共享中隐私保护若干问题研究

引用

作者：王智慧复旦大学

学位级别：博士

计算机处理能力、存储技术以及网络技术的快速发展极大地提高了信息电子化程度，也使得信息共享较之以前来得更为容易和方便。但是，随之产生的隐私泄漏现象也屡见不鲜，引起人们对于信息共享的恐慌，因而不愿意提供自身拥有的信息。信... 详细信息

计算机处理能力、存储技术以及网络技术的快速发展极大地提高了信息电子化程度，也使得信息共享较之以前来得更为容易和方便。但是，随之产生的隐私泄漏现象也屡见不鲜，引起人们对于信息共享的恐慌，因而不愿意提供自身拥有的信息。信息共享中隐私保护研究的目标是考虑如何在保证私有的敏感信息不被泄漏的情况下，实现有效的信息共享。近年来，这方面的研究已成为数据库和数据挖掘领域一个活跃的研究方向。本文首先研究了数据共享中匿名保护问题，接着以频繁模式为知识的表现形式，研究了数据共享中的敏感模式保护，频繁模式共享中的敏感模式隐藏，以及频繁模式共享中的推理控制等问题，主要的研究成果如下： (1)针对数据共享中的匿名保护问题，提出了一种基于聚类的l-多样化实现方法。该方法能够很好地满足数据共享中的匿名化需求，防止与个体相关的敏感属性值的泄漏。同时，该方法消除了传统匿名化处理时的概念层次结构限制，并在聚类过程中综合考察匿名化处理带来的信息损失，使用更为灵活的数据概化策略。实验结果表明该方法能够有效减少数据匿名化处理所带来的信息损失。 (2)针对数据共享中的敏感模式保护问题，提出了一种基于弱模式树结构的数据净化方法。该方法能够在敏感模式保护过程中，综合考虑数据净化对非敏感模式的副作用。它通过快速遍历弱模式树的相关部分，计算敏感项和敏感交易记录的分数，并为每一条敏感交易记录确定其候选项。然后，选取具有较高分数的敏感交易记录，并从其中删除候选项来实现对敏感模式的保护。实验结果表明该方法能够在满足隐私保护需求的基础上，有效地降低数据净化对非敏感模式的影响，提高共享数据的可用性。 (3)针对频繁模式共享中的敏感模式隐藏问题，提出通过无隐私泄漏的频繁模式集，来实现在频繁模式共享中对敏感模式存在性的隐藏，提供强的隐私保护能力；随后证明了找到一个最大的无隐私泄漏的频繁模式集是NP难问题，然后提出了基于敏感项的模式净化方法，并证明该方法能够保证产生一个无隐私泄漏的频繁模式集；在此基础上，给出三个具体的基于敏感项的模式净化启发式算法，并通过实验分析比较算法的性能。 (4)针对频繁模式共享中的推理控制问题，提出通过阻塞相关推理通道来实现在共享中对敏感模式频繁性的隐藏。基于分析频繁模式挖掘结果中存在的模式相关性，将可能存在的推理通道分为三种类型：超模式推理通道、子模式推理通道以及链式推理通道；并指出了已有研究在推理控制方面存在的隐私泄漏问题。然后，基于模式净化的思路，提出了两个推理控制算法，并通过实验对算法的性能进行了比较分析。

关键词：隐私保护信息共享数据匿名频繁模式敏感模式数据净化模式净化推理通道

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：