检索结果-内蒙古大学图书馆

计算机工程与设计 2023年第4期44卷 991-997页

作者：王晓婷王庆生陈永乐太原理工大学信息与计算机学院山西晋中030600

针对数据供应商发布社交网络数据时可能出现的泄露隐私问题,提出一种基于生成对抗网络的隐私保护方法(GPGAN)。采用GAN作为学习模型捕捉网络结构的随机游走,设计奖励函数指引创建包含重要信息的随机游走。提出基于游走样本的匿名图构造... 详细信息

针对数据供应商发布社交网络数据时可能出现的泄露隐私问题,提出一种基于生成对抗网络的隐私保护方法(GPGAN)。采用GAN作为学习模型捕捉网络结构的随机游走,设计奖励函数指引创建包含重要信息的随机游走。提出基于游走样本的匿名图构造方法,通过添加差分隐私得到匿名概率邻接矩阵,重构社交网络图。实验结果表明,与其它图生成相比,该模型具有良好的图结构特征学习能力。通过度量评估实验验证了GPGAN可以在合理的隐私预算下保留所需的数据效用,优于当前主流的社交网络隐私保护方法。

关键词：社交网络生成对抗网络差分隐私匿名图重构隐私度量隐私保护数据效用

来源：评论

学校读者我要写书评

暂无评论

基于匿名的隐私保护方法研究

基于匿名的隐私保护方法研究

引用

作者：谢静哈尔滨工程大学

学位级别：博士

近几年来,伴随着信息技术和互联网技术的迅猛发展,社会各行业及领域需要收集和分析的数据也迅速增长,这些庞大数据背后所包含的知识是医学探索、经济发展以及理论研究的宝贵资源,人们希望从这些海量并且不断在高速增长的数据中找到潜在... 详细信息

近几年来,伴随着信息技术和互联网技术的迅猛发展,社会各行业及领域需要收集和分析的数据也迅速增长,这些庞大数据背后所包含的知识是医学探索、经济发展以及理论研究的宝贵资源,人们希望从这些海量并且不断在高速增长的数据中找到潜在的规则及其商业模式,挖掘出数据真正的价值。然而,在实现这些需求的同时可能会牵涉到个人的隐私信息,由此引发了对数据发布中的隐私保护问题的研究。为了保护个体的隐私信息不泄露,需对数据发布中的技术和方法进行研究,使得发布的数据既能保护其隐私性又能保持较高的数据可用性,以实现隐私保护与数据可用性间的折衷平衡。另外,由于不同类型的数据所面临的隐私泄露问题不尽相同,因此,本文立足于隐私保护中所面临的各种泄露问题,在保护数据可用性的前提下,对不同类型数据的隐私匿名方法进行了全面的研究。首先,针对分类型敏感属性的隐私保护问题,在传统t-closeness模型的基础上,对其采用的EMD距离进行改进,由于EMD距离没有考虑等价类与数据表间敏感属性分布稳定性的问题,在分布间稳定差异过大时,会大大提高隐私泄露的风险,由此提出了一种EMD距离与KL散度结合的距离度量标准。同时根据分类型敏感属性的层次树结构,对数据表进行桶分组划分,然后提出一种基于敏感属性值划分的t-closeness原则,采用自顶向下和自底向上的贪心思想获取满足该原则的最小等价类大小,运用k-近邻的思想来选取准标识符属性值相似的元组生成等价类。最后实验结果表明,提出的模型在牺牲少量时间的前提下减少了信息损失,能在有效地保护敏感信息不泄露的同时保持较高的数据效用。其次,针对将分类型敏感属性的隐私保护方法直接运用于数值型敏感属性的隐私保护上不能保证隐私信息安全性的局限,在考虑数值型属性自身特性的基础上,对面向数值型敏感属性的隐私匿名方法进行了研究。近邻泄露是数值型敏感属性隐私保护问题中通常会出现的泄露风险之一,当分组中个体敏感值差异过小时,攻击者能以较高置信度推理出个体的敏感值处于某个较小的区间范围内,由此带来了近邻泄露风险。针对此类泄露风险,提出一种面向近邻泄露的数值型敏感属性隐私保护方法,该方法首先在保护准标识符属性和数值型敏感属性内在关系的前提下,将数值型敏感属性进行离散化划分;然后,提出一种面向近邻泄露的隐私保护原则,并且设计了最大邻域优先算法来实现该原则。实验结果表明,提出的方法能在有效地保护数值型敏感信息不泄露的同时保持较高的数据效用,并且保护了数据间的关系。再次,针对多维敏感属性数据在发布过程中所面临的隐私泄露问题,对于传统的l-多样性进行改进,给出一种l-maximum原则用以满足多敏感属性l-多样性要求,该原则控制了等价类中敏感值出现的频率,避免了概率攻击的风险,并且通过理论证明了该原则的安全性;然后,为了保护属性间的相关性以及避免基于有损分解方法中所带来的属性泄露问题,提出一种基于属性相关性的隐私保护方法,采用平均互信息作为属性间的依赖度,根据属性间的依赖度对属性进行划分,使得高依赖度的属性在同一簇中;最后设计并实现了基于多维敏感属性的l-maximum算法。实验结果表明,提出的模型在保护隐私不泄露的同时,减少了元组的隐匿率,并且保护了数据间的关系。最后,针对数据流具有持续时间长、变化迅速、快速到达等不同于静态数据而特有的性质,以及静态数据上的隐私匿名方法直接用于数据流上往往不能达到较好执行效率的局限,提出一种基于时间密度的数据流匿名算法。首先,采用k-中心点思想对元组进行聚类,对于信息损失满足要求的簇输出;考虑数据流的强时态性,提出时间权重和时间密度概念,当已发布簇的个数达到上限时,删除时间密度最小的簇,以此来保证已发布簇的可重用性。此外,为了保持较高的执行效率,算法对数据采用单遍扫描,以实现数据流的高效匿名。通过实验分析表明提出的方法能保持较高的效率和较好的数据效用。

关键词：隐私保护匿名化数据效用静态数据数据流

来源：评论

学校读者我要写书评

暂无评论

一种个性化的社交用户信息隐私保护算法

引用

小型微型计算机系统 2017年第7期38卷 1490-1494页

作者：谢玉芹郑明春山东师范大学管理科学与工程学院济南250014

现有研究表明,社交网络发布数据的隐私和效用之间的权衡成为一个重要和具有挑战性的问题,同时用户的敏感属性是社交网络中用户的重要隐私信息.为了高效解决社交网络中用户的敏感属性泄露问题,提出一种基于效用的用户属性个性化保护算法P... 详细信息

现有研究表明,社交网络发布数据的隐私和效用之间的权衡成为一个重要和具有挑战性的问题,同时用户的敏感属性是社交网络中用户的重要隐私信息.为了高效解决社交网络中用户的敏感属性泄露问题,提出一种基于效用的用户属性个性化保护算法PKD-U.首先计算属性的敏感度,将保护对象由敏感属性精确到个别的敏感属性值;然后,将含有敏感属性值的非关键节点进行分割或合并,并匿名关键节点属性,从而生成具有隐私能力的匿名社交网络.实验结果表明,相比K-degree算法,该算法在有效抵制用户敏感信息泄露的情况下能更大限度地保证数据具有较高可用性.

关键词：社交网络隐私保护个性化匿名数据效用

来源：评论

学校读者我要写书评

暂无评论

移动群智感知中分阶式激励与惩罚机制研究

移动群智感知中分阶式激励与惩罚机制研究

引用

作者：钟山北京交通大学

学位级别：硕士

在物联网的大背景下,移动智能设备、无线通信以及互联网技术得到了快速发展。移动终端具备了强大的感知、计算和信息传输能力。在此基础上,结合“众包”思想,吸引移动用户利用移动设备共同对物理世界进行感知,完成大规模复杂感知任务的... 详细信息

在物联网的大背景下,移动智能设备、无线通信以及互联网技术得到了快速发展。移动终端具备了强大的感知、计算和信息传输能力。在此基础上,结合“众包”思想,吸引移动用户利用移动设备共同对物理世界进行感知,完成大规模复杂感知任务的新型感知形式被称为移动群智感知。感知任务需要移动移动用户参与完成,在参与的过程中会消耗移动终端的资源甚至造成移动用户的隐私泄露。移动用户往往都是理性且逐利的,所以不愿意无偿地参与感知任务,因而导致感知任务无法完成。此外,一些恶意移动用户的参与会导致对感知任务造成负面影响并产生资源浪费。因此,合理的激励与惩罚机制对于移动群智感知至关重要。本文针对移动群智感知中激励与惩罚机制的研究主要开展以下四个方面工作:(1)利用 LBSN(Location-based SocialNetwork)数据分析移动群体特点,建立感知任务模型;结合移动群体特点,将移动群智感知流程分为参与者征募阶段和参与者感知阶段两个主要阶段,进而建立移动群智感知的分阶式激励框架。(2)在参与者征募阶段,通过感知任务评估,分析感知任务的时段热度和任务点热度,计算支付激励系数,设计基于斯塔克尔伯格(Stackelberg Game)的博弈模型,通过博弈交互进行参与者征募,一系列仿真实验对激励机制有效性进行验证。(3)在参与者感知阶段,引入感知数据效用,在充分考虑数据时空相关性的基础上,设计数据时间相关度、距离相关度计算方法,提出任务点方向信息量的概念及其计算方法,设计感知数据效用算法和感知交互过程,通过仿真实验数据验证激励机制的有效性。(4)在感知任务结束后,基于支付激励系数和感知数据效用进行支付报酬计算,并利用感知数据效用筛选胜出者;同时,利用感知数据效用对参与者进行信誉累积,引入惩罚策略并设计恶意参与者惩罚机制。仿真实验数据表明:信誉累积和惩罚机制可以较好地降低恶意参与者造成的支付成本的浪费。

关键词：移动群智感知激励机制信息量数据效用信誉累积惩罚机制

来源：评论

学校读者我要写书评

暂无评论

基于k-匿名的社交网络数据发布隐私保护技术研究

基于k-匿名的社交网络数据发布隐私保护技术研究

引用

作者：袁静广东工业大学

学位级别：硕士

随着信息技术的发展,社交网络用户数量越来越多。用户可以很方便地在社交网络上交流,互动,分享信息。与此同时,社交网络用户的信息被各大社交网络平台记录和收集。为了更好地给人们提供个性化和有针对性的服务,社交网络数据通常被发布... 详细信息

随着信息技术的发展,社交网络用户数量越来越多。用户可以很方便地在社交网络上交流,互动,分享信息。与此同时,社交网络用户的信息被各大社交网络平台记录和收集。为了更好地给人们提供个性化和有针对性的服务,社交网络数据通常被发布给第三方,进行数据挖掘与分析。然而发布的数据中包含了用户的隐私信息。恶意的攻击者,可以通过已掌握的背景知识,对发布的社交网络数据进行重识别和解匿名,从而造成用户的隐私泄露。因此社交网络数据在发布之前,需要做匿名处理,使得发布的数据,满足隐私保护强度的需求得同时,保持数据的可用性,用于数据分析。因此本文研究了基于k-匿名的社交网络数据发布的隐私保护技术。本文主要工作包括:(1)介绍了社交网络数据发布的研究背景及意义,分析了目前社交网络数据发布隐私泄露的情况以及社交网络隐私保护技术的发展情况,并综述了国内外针对社交网络数据发布隐私保护技术的研究现状。对社交网络相关的理论和隐私保护技术进行了归纳总结,并探讨了社交网络常用的隐私保护方法与技术。(2)针对随机化技术对社交网络图的修改较多,容易造成匿名后的数据效用急剧降低的问题,将社区划分引入到随机化技术中,提出一种改进的k度匿名隐私保护方法k-subgraph。利用社区划分步骤,约束了随机扰乱范围,保护了原始数据的图特征结构。实验表明,与KDLD算法和PK(partial k-anonymity)算法相比,ksubgraph算法信息损失率更小,平均路径长度,节点平均度更稳定。(3)针对现有的社交网络属性隐私保护算法对所有属性采用同等力度隐私保护,容易造成过度匿名的问题,进入节点影响力分析,提出一种基于节点划分的社交网络属性个性化隐私保护方法D-KDLD。该方法根据节点影响力,将节点划分为关键节点和边缘节点,分别采用数据泛化和节点分割的方式隐匿属性信息。实验结果表明,D-KDLD方法相比其他检测方法有更少的信息损失量。本文的创新之处包括:(1)提出一种改进的k度匿名隐私保护方法。该方法通过社区划分,约束随机扰乱的范围,保护了数据的图特征结构,从而提高了匿名后的数据效用。(2)提出一种基于节点划分的社交网络属性个性化隐私保护方法。该方法根据节点的影响力,将节点划分为关键节点与边缘节点,采用差异化方式匿名属性信息,减少了数据信息损失量。

关键词：社交网络隐私保护 k-匿名数据效用属性隐私

来源：评论

学校读者我要写书评

暂无评论

基于效用的社交网络用户信息隐私保护算法研究

基于效用的社交网络用户信息隐私保护算法研究

引用

作者：谢玉芹山东师范大学

学位级别：硕士

移动互联网、社交网络愈发深刻地融入人们的日常生活,特别是在发展势头猛烈的物联网、多样化的个性化服务的相互作用下,越来越多的社交用户的隐私信息被主动或无意地暴露在网络环境中。另外,大量的社交网络数据,为网络应用提供商带来更... 详细信息

移动互联网、社交网络愈发深刻地融入人们的日常生活,特别是在发展势头猛烈的物联网、多样化的个性化服务的相互作用下,越来越多的社交用户的隐私信息被主动或无意地暴露在网络环境中。另外,大量的社交网络数据,为网络应用提供商带来更多利益的同时,也为恶意攻击者提供了动机。因此,社交网络环境下,针对用户信息的隐私保护问题的研究具有重大的理论和现实意义。近年来,研究人员针对社交网络中的隐私保护问题,提出了多种匿名模型和算法,但是鉴于匿名算法为了实现隐私保护,需要对社交网络数据产生不同程度的干扰,从而降低服务提供商对用户数据挖掘分析的准确度,使用户的服务体验大打折扣。可见,隐私安全与数据的可用性是社交网络环境下隐私保护问题研究的两个相互矛盾的目标,研究隐私安全和可用性之间的权衡成为一个重要和具有挑战性的问题。另外,相对于信息隐私安全方面的研究,数据效用的研究尚不成熟,目前还没有标准的可供普遍使用的数据效用损失度量标准。因此,本文以社交网络中用户属性为研究对象,致力于研究在确保用户信息隐私安全的前提下能够有效降低数据效用损失的匿名模型和算法,研究内容主要包括以下三部分:(1)针对目前社交网络场景下的隐私保护问题,现有的匿名算法一般以边或节点的修改数量作为评估匿名数据效用损失的唯一标准,这些算法隐私保护程度较高,但是由于忽略了不同的边或节点的修改对社交网络结构具有不同的影响,容易导致过量的数据效用损失,影响匿名数据的利用价值。考虑到这一问题,本文从数据效用具有结构相似性和信息完整性两个方面的角度出发,设计了一种更全面的数据效用衡量方法UL(G,G’),该方法综合评估匿名操作对网络结构和数据内容两方面的影响,其评估标准较以往仅以人为更改操作数量衡量效用损失的标准更高,降低了匿名数据的效用损失。(2)为了解决社交用户信息隐私安全问题,我们改进k-度-l-多样性匿名模型,提出了基于节点分裂的差异化隐私保护匿名模型((d,k,l)-u匿名模型),并基于该模型设计了相应的属性差异化匿名算法,该算法根据敏感度函数,将敏感属性的属性值划分到高、中、低三个隐私匿名组中,并对不同的匿名组采用不同程度的匿名规则。该算法将隐私保护对象由属性类精确到具体的属性值,并通过差异化匿名降低了匿名数据的效用损失,并通过模拟实验,验证了该算法的有效性。(3)针对匿名算法对网络结构的干扰,考虑到社交网络中的用户节点对网络的整体结构具有不同的影响力,即相对于普通节点,对“桥节点”等关键节点的分裂操作,会大幅度更改网络结构的整体特性,因此,本文对(d,k,l)-u属性差异化算法进行优化,进而提出了一种节点差异化的匿名算法(DKDLD-U匿名算法),该算法引入社会网路分析中的关键节点分析,将节点分为重要节点和普通节点两类,并对两类节点分别采用敏感属性值泛化和节点分裂两种匿名操作,以减少对网络结构的扰动,提高发布数据的效用。算法的仿真实验表明,该算法能够在保证隐私安全的同时,有效降低匿名数据的效用损失。

关键词：社交网络隐私差异化匿名数据效用

来源：评论

学校读者我要写书评

暂无评论

关联属性微聚集的差分隐私数据发布研究

关联属性微聚集的差分隐私数据发布研究

引用

作者：叶欣欣安徽理工大学

学位级别：硕士

互联网和智能设备的高速发展为人们的日常生活带来极大便利,如人们在网上浏览信息、互动交友、购物、娱乐等。这些活动会产生海量的数据,而直接发布未经处理的数据将会导致个体或组织敏感信息泄露,因此,需要在数据发布之前进行处理。差... 详细信息

互联网和智能设备的高速发展为人们的日常生活带来极大便利,如人们在网上浏览信息、互动交友、购物、娱乐等。这些活动会产生海量的数据,而直接发布未经处理的数据将会导致个体或组织敏感信息泄露,因此,需要在数据发布之前进行处理。差分隐私是现有解决隐私泄露问题的有效方法之一,但存在数据效用低等问题。为提高数据可用性并保护个体隐私,通常情况下将匿名化与差分隐私相结合,协同发挥作用。然而,大部分处理方法没有考虑属性之间存在部分依赖关系,侧重于将所有准标识符属性进行处理,造成算法时空复杂度高、数据效用低等。为更好解决差分隐私数据效用与隐私力度的平衡问题,本文研究使用微聚集和自组织映射(SOM)网络进行关联属性的差分隐私保护,分别称为DPPCA(Differential Privacy Protection of Correlations Attributes)和 SOMDP(Differential Privacy of SOM)。首先,详细阐述DPPCA模型的实现过程:针对数值型、非数值型、混合型三种不同类型的数据集,分别找出具有最大依赖关系的属性对;再对这些属性对进行微聚集,并要求每个簇规模大小为k(k>2),簇内敏感属性值有l(l数据效用。同时,从理论角度证明该模型的可行性。最后,本文通过实验论证两种模型的有效性与可用性,并对比分析两种方案的优缺点。结果表明,DPPCA更适用于实际场景,能较大程度减少实现差分隐私所需噪音,在Census和Adult数据集上可以将添加的噪声量降低11%,有效提高数据发布的效用;相比之下,SOMDP虽能提高数据效用,但适用场景局限性较大。未来的研究还需更多考虑大数据、大规模、大计算等实际情况,将是差分隐私研究上一个新的挑战。图13表5参68

关键词： ε-差分隐私互信息关联属性微聚集隐私保护数据发布数据效用

来源：评论

学校读者我要写书评

暂无评论

基于GAN的社交网络隐私保护方法研究

基于GAN的社交网络隐私保护方法研究

引用

作者：王晓婷太原理工大学

学位级别：硕士

近年来,互联网和移动通信技术的发展日新月异,在线社交网络(OSN)的引入改变了人们相互联系和互动以及共享信息的方式,导致了以网络为中心的数据大爆炸,这些数据可以被收集以更好地利用,如个人或群体的社会学和行为学方面。因此,在线社... 详细信息

近年来,互联网和移动通信技术的发展日新月异,在线社交网络(OSN)的引入改变了人们相互联系和互动以及共享信息的方式,导致了以网络为中心的数据大爆炸,这些数据可以被收集以更好地利用,如个人或群体的社会学和行为学方面。因此,在线社交网络服务运营商被迫公布社交网络数据,以供诸如研究人员和广告商之类的第三方消费者使用。由于社交网络数据发布易受各种重识别和泄露攻击,开发隐私保护机制是一个活跃的研究领域,不仅要实现社交网络图结构数据的安全发布共享,而且还不能影响社交网络分析的数据可用性。目前的研究主要集中在以统计方式通过常规匿名技术的组合发布扰动的社交网络数据,而没有考虑全局图结构信息。本文结合差分隐私和生成对抗网,发布社交网络数据的生成版本。生成对抗网及其扩展使用两个玩家的最小-最大游戏,用于生成具有不可区分特征的合成数据,而差分隐私以不同的隐私方式满足隐私约束,两者的结合实现了隐私保护和数据效用之间的折中。本文的主要工作如下: (1)针对社交网络服务提供商发布数据时所存在的敏感信息泄露问题,本文基于生成对抗网络,提出了一种保护社交网络数据隐私安全的方法(GPGAN)。首先,使用GAN作为机器学习模型捕获网络结构特征,并通过设计奖励函数指引建立包含关键信息的随机游走。随后,设计了基于游走样本的匿名图构建算法,可以利用添加差分隐私信息得到的匿名概率邻接矩阵来重建社交网络图。实验结果显示,与其他图生成方法比较,该模型更具备了优秀的图结构学习能力。而通过度量评估实验,证明了GPGAN可以通过合理的隐私预算保持所需的数据效用,最后与传统的K匿名和差分隐私方法相比,表明了本文方法在权衡数据效用和隐私保护方面的优越性。 (2)针对应用于社交网络中的基于差分隐私的GAN模型优化问题,提出了基于Net GAN的差分私有图发布模型(Priv-Net GAN),实现了生成高质量图结构数据的同时保证所需的隐私安全目的。首先,在Priv-Net GAN模型中,将精心设计的噪声与训练梯度相结合,以扰乱原始数据的分布,并在理论证明了该模型符合(ε,δ)-差分隐私。其次,训练中使用了判别器优化器,实现了梯度估计和裁剪,控制了隐私级别,显著提高了模型的稳定性。最后,通过在三个真实数据集上的实验,评估了Priv-Net GAN模型。结果表明,在合理的隐私预算下,Priv-Net GAN可以生成隐私得到充分保护的高质量数据,通过对比同类差分私有图验证了Priv-Net GAN模型的隐私保护效果;通过常用的图统计指标来比较生成图和原始图的数据效用,证明了Priv-Net GAN生成了高质量的社交网络数据。

关键词：社交网络差分隐私生成对抗网络匿名图重构隐私保护数据效用

来源：评论

学校读者我要写书评

暂无评论

数字时代个人信息匿名化规则的困境与优化

引用

西部法学评论 2024年第3期 120-132页

作者：黄敏南京大学法学院

个人信息保护和数据效用的平衡是数字时代亟需解决的问题.在知情同意原则无法满足数字经济发展对海量信息的规制需求后,个人信息匿名化技术应运而生.近年来个人信息匿名化规则的制定与推进成为多国监管机关的重点,我国亦不例外.然而,当... 详细信息

个人信息保护和数据效用的平衡是数字时代亟需解决的问题.在知情同意原则无法满足数字经济发展对海量信息的规制需求后,个人信息匿名化技术应运而生.近年来个人信息匿名化规则的制定与推进成为多国监管机关的重点,我国亦不例外.然而,当前的匿名化规则存在明显缺陷,导致该规则在实践中面临诸多困境.需在“功能性匿名化”理念指导下优化匿名化规则,重视信息所处的数据环境,对个人信息进行场景化界定,将再识别风险降低至可接受的水平,并为匿名信息处理者设置对应义务管理再识别风险.

关键词：个人信息匿名化场景化再识别风险功能性匿名化数据效用

来源：评论

学校读者我要写书评

暂无评论

基于差分隐私的网络社交中的隐私保护

引用

无线互联科技 2021年第22期18卷 28-30页

作者：杨文娟上海中侨职业技术大学上海201514

网络社交中数据传输便捷性、共享性,增加了隐私信息保护的困难性,差分隐私技术因能够低于攻击者全部背景知识,而备受关注。为此,文章针对非交互式的场景下,基于隐私保护及数据可用性的双重需求,针对数据的属性分类,分别引入Laplace机制... 详细信息

网络社交中数据传输便捷性、共享性,增加了隐私信息保护的困难性,差分隐私技术因能够低于攻击者全部背景知识,而备受关注。为此,文章针对非交互式的场景下,基于隐私保护及数据可用性的双重需求,针对数据的属性分类,分别引入Laplace机制及指数机制,通过噪声添加实现差分隐私保护;并基于数据可用性,利用改进的LWSPA查询结构序列的分割,降低向量温度,控制发布数据集的误差,以优化数据可用性,以此建构的差分隐私保护机制,能够实现隐私保护与数据可用的均衡发展。

关键词：差分隐私 Laplace机制隐私保护数据效用

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：