检索结果-内蒙古大学图书馆

计算机应用研究 2013年第12期30卷 3529-3535页

作者：张海涛黄慧慧徐亮高莎莎南京邮电大学地理与生物信息学院南京210003

近年来隐私保护数据挖掘已经成为数据挖掘的研究热点,并取得了丰富的研究成果。但是,随着移动通信、嵌入式、定位等技术的发展与物联网、位置服务、基于位置的社交网络等应用的出现,具有个人隐私的信息内容更加丰富,利用数据挖掘工具对... 详细信息

近年来隐私保护数据挖掘已经成为数据挖掘的研究热点,并取得了丰富的研究成果。但是,随着移动通信、嵌入式、定位等技术的发展与物联网、位置服务、基于位置的社交网络等应用的出现,具有个人隐私的信息内容更加丰富,利用数据挖掘工具对数据进行综合分析更容易侵犯个人隐私。针对新的应用需求,对隐私保护数据挖掘方法进行深入研究具有重要的现实意义。在分析现有的隐私保护数据挖掘方法分类与技术特点的基础上,提出现有方法并应用于新型分布式系统架构应用系统、高维数据及时空数据等领域存在的挑战性问题,并指出了今后研究的方向。

关键词：隐私保护数据挖掘新型分布式系统高维数据时空数据

来源：评论

学校读者我要写书评

暂无评论

云环境下隐私保护数据挖掘关键技术研究

云环境下隐私保护数据挖掘关键技术研究

引用

作者：柳林国防科技大学

学位级别：博士

云计算技术的发展和普及,在给人们的生产生活带来便利的同时,也使得越来越多人担心云环境下的数据安全和隐私问题。一方面,云平台收集或者用户外包的数据中可能包含敏感数据,直接将数据交给云平台,可能会造成用户隐私泄露。另一方面,云... 详细信息

云计算技术的发展和普及,在给人们的生产生活带来便利的同时,也使得越来越多人担心云环境下的数据安全和隐私问题。一方面,云平台收集或者用户外包的数据中可能包含敏感数据,直接将数据交给云平台,可能会造成用户隐私泄露。另一方面,云平台自身的安全防护措施并不够完善,导致外部攻击和内部泄露时有发生。传统的随机扰动、数据匿名等技术,虽然能够一定程度上保护数据,但安全性有限,常常导致数据挖掘结果精度下降。一般加密技术虽然可以提供语义安全性,却又会使得数据在云计算平台上的可用性丧失。如何在保证数据安全和隐私的前提下,利用云计算平台,开展数据挖掘,是当前学术界和产业界共同的难题。本文深入分析了当前云环境下隐私保护数据挖掘系统设计所面临的难题,以平衡数据安全性、可用性和挖掘高效性为目标,设计能够实现隐私保护的决策树训练与分类、k近邻分类和关联规则分析等方案。本文主要工作与贡献如下:1.针对云平台利用用户数据训练决策树模型中存在的数据隐私和安全问题,本文在双云模型下,提出了三个不同安全等级,且均可在不同公钥加密的密文上实施地隐私保护决策树训练方案。在训练过程中,数据拥有者将数据上传后就无需参与中间计算。与现有工作相比,本方案中用户的计算和通信开销最小。此外,由于云平台无法在密文域分割数据集,本文提出了一种利用多向量计数代替数据集分割的决策树训练方案。通过安全性分析,我们验证了所提方案的能够对抗背景知识攻击,且在半诚实模型下是安全地。利用真实数据集测试,我们验证了方案具有较好的性能。2.针对当前云平台下的隐私保护决策树分类服务中,存在泄露决策树模型部分信息给用户,且用户计算开销较大的问题,本文在双云模型下,提出了两种安全性更高的决策树分类方案,即PPDE-DTPKC和PPDE-PSS。其中PPDE-DTPKC支持不同用户不同密钥加密的分类服务请求。在我们的方案中,用户在分类过程中保持离线。通过安全性分析,证明了提出的两个方案可以保护用户查询数据和查询结果不被云平台所获知;同时云平台的决策树模型的任何信息也不会泄露给用户。在真实数据上的测试验证了本文提出的PPDE-PSS在处理深度较深的稀疏型决策树时,具有较小的计算和通信开销。3.现有的云环境下的隐私保护k近邻分类研究中,安全性高的方案具有较低的效率,而计算效率高的方案具有较低的安全性。为了在保证高安全性的前提下,尽可能地提高方案的计算性能,本文在双云模型下,利用Paillier同态和加性秘密共享技术,设计了一种安全的k近邻分类方案。在该方案中,用户除了上传数据和接收分类结果之外,无需参加任何运算。通过安全性分析,证明了该方案在半诚实模型下的安全性,能够抵抗外部攻击。真实数据集上的实验测试表明,我们的方案与同类安全性的方案相比,计算和通信开销均显著下降。4.针对外包数据的关联规则挖掘存在的数据隐私和安全问题,提出了一种双云模型下,隐私保护频繁项挖掘和关联规则挖掘及查询方案。利用此方案,云平台可以在不需要用户协助参与计算的前提下,运行安全Apriori算法,从而挖掘出外包数据中所有的频繁项和关联规则。此外,云平台可以提供两种不同类型(即,用户定义阈值和云定义阈值)的隐私保护频繁项和关联规则查询服务。本文提出的方案,支持在不同用户不同公钥加密的数据集上进行安全挖掘和提供服务。通过安全性分析和真实数据集实验测试,验证了方案的安全性和高效性。

关键词：外包数据安全隐私保护数据挖掘同态加密安全多方计算秘密共享

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集理论的隐私保护数据挖掘研究

基于粗糙集理论的隐私保护数据挖掘研究

引用

作者：叶明全合肥工业大学

学位级别：博士

数据挖掘在各种数据库应用中扮演着非常重要的角色,它在为人们揭示出数据中的隐含知识并创造出财富的同时,也对人们的隐私和数据安全构成了威胁。随着人们隐私保护意识的加强以及相关法律法规的健全,隐私保护数据挖掘已成为数据挖掘领... 详细信息

数据挖掘在各种数据库应用中扮演着非常重要的角色,它在为人们揭示出数据中的隐含知识并创造出财富的同时,也对人们的隐私和数据安全构成了威胁。随着人们隐私保护意识的加强以及相关法律法规的健全,隐私保护数据挖掘已成为数据挖掘领域中一个比较活跃的研究方向。k-匿名模型是隐私保护中最重要的模型之一,其基本思想是对发布数据集中准标识符的属性值作概化操作,以消除链接攻击,实现个体隐私的保护。但是,数据概化将会增加属性值的不确定性,而且不恰当的概化操作将会造成不必要的信息损失,降低匿名数据的效用性。因此,如何对属性值概化选择合适的粒度层次,实现在保护隐私的同时获得良好的数据效用性,这是亟需解决的一个问题。粗糙集理论是一种能够有效地分析不精确、不一致和不完备信息的粒计算模型。然而,传统粗糙集模型及其扩展研究没有考虑决策表中数据具有层次结构。现实世界中,层次型数据是普遍存在的,并广泛应用于数据仓库、层次知识发现和k-匿名模型中。如何扩展现有的粗糙集理论模型及方法,以适应层次型数据处理,这是粗糙集研究中的一个重要问题。另外,分布式挖掘是数据挖掘应用增长较快的领域,分布式环境下隐私保护属性约简是粗糙集研究中的另一个重要问题。本文分别以决策表中层次型数据和多源决策表作为研究对象,对粗糙集扩展模型及其在隐私保护数据挖掘方面的应用进行了比较系统地研究,主要完成了以下几项工作： (1)针对决策表中层次型数据,结合传统粗糙集理论与全子树概化模式,提出了一种新颖的基于属性值分类的多层粗糙集模型。该模型将传统粗糙集从条件属性集上一个原始单层值域扩展为一个具有不同粒度层次的值域,并将传统粗糙集从论域上一个等价关系扩展为一个嵌套的等价关系序列。同时,研究了多层粗糙集的基本性质和相关嵌套序列度量。这些研究成果将进一步完善和扩展粗糙集理论。 (2)针对决策表中属性值概化的粒度层次选择问题,结合粗糙集理论的属性约简思想,从粗糙集理论的正区域、信息熵和知识粒度三个角度,提出一种基于多层粗糙集的概化约简概念。概化约简能够在保持原始决策表分类能力不变的前提下,将所有属性值概化到最粗粒度层次,从而避免数据过度概化或概化不足问题。分析了属性约简和概化约简之间的内在关系,揭示属性约简是概化约简的一种特例,提出两种自顶向下逐步细化的正区域概化约简启发式算法。为了避免概化约简的过程,实现直接从正区域嵌套序列中依次提取层次决策规则,提出一种自顶向下逐步细化的多层决策规则挖掘算法。通过标准UCI数据集验证了上述方法的有效性和实用性。这些工作将进一步促进多层粗糙集模型在数据挖掘中的实际应用。 (3)为了权衡隐私保护和数据效用性,结合粗糙集理论的属性约简思想,引入条件信息熵来度量匿名数据质量的准则,分析了该准则在准标识符的属性值自顶向下逐步细化或自底向上逐步粗化时的重要性质。然后,提出一种高效的引导匿名化操作过程的搜索指标,在此基础上,提出一种自顶向下逐步细化的基于层次条件信息熵的k-匿名启发式算法HCE-TDR。通过理论分析和仿真实验,结果表明HCE-TDR算法能够在保证数据发布满足k-匿名要求的同时,提高在匿名数据上进行分类建模的效果。这些研究工作将拓展多层粗糙集模型的应用范围,同时进一步促进k-匿名模型在隐私保护数据挖掘中的实际应用。 (4)针对垂直划分多源异构决策表,采用半可信第三方和可交换加密机制,设计了一个安全交集基数协议和安全条件信息熵协议,然后提出了一种基于条件信息熵的垂直分布隐私保护属性约简算法。该算法利用粗糙集信息观的约简理论实现了分布式环境下合作约简任务,使各参与方在不共享其隐私信息的前提下达到集中式属性约简的效果。针对垂直划分多源异构决策表和水平划分多源同构决策表,分别设计一种基于安全交集基数协议的安全相对粒度协议和基于安全点积协议的安全相对粒度协议,并提出一种基于相对粒度的分布式隐私保护分布式属性约简算法。实例验证了上述算法的可行性和有效性。这些研究工作促进了粗糙集理论在分布式环境下隐私保护特征选择方面的应用。

关键词：隐私保护数据挖掘粗糙集 k-匿名数据概化约简决策规则

来源：评论

学校读者我要写书评

暂无评论

基于匿名化的隐私保护数据挖掘技术的研究

基于匿名化的隐私保护数据挖掘技术的研究

引用

作者：刘乾坤哈尔滨工业大学

学位级别：硕士

近年来,信息技术和数据科学发展迅猛,并逐渐被应用于各个行业。数据挖掘可以发现潜在的数据信息和数据间的微妙关系并将其用于决策制定,然而,敏感和隐私信息也同样会被挖掘,这将会给数据提供者造成安全风险。匿名化技术是一项通过将同... 详细信息

近年来,信息技术和数据科学发展迅猛,并逐渐被应用于各个行业。数据挖掘可以发现潜在的数据信息和数据间的微妙关系并将其用于决策制定,然而,敏感和隐私信息也同样会被挖掘,这将会给数据提供者造成安全风险。匿名化技术是一项通过将同一等价类中的用户准标志信息变的不可区分,从而保护用户身份或敏感信息不被识别的隐私保护技术。目前的相关算法多是针对关系型等结构型数据集而设计,无法直接用于事务数据集的匿名化。少数针对事务数据的匿名化算法面临着数据高维度,稀疏型数据敏感等问题,从而导致算法时间复杂度高,信息损失大。此外,现实数据中敏感信息往往因人而异,攻击者的背景知识也往往存在局限性。因此,本文的主要研究为:针对事务数据集的匿名化隐私保护问题,本文提出了一个K-匿名隐私保护数据挖掘算法PTA,针对性的解决了事务数据集匿名化时间复杂度高和信息损失大的问题。本文将最小化信息损失的问题转换为求解TSP问题中的最短环路问题,并通过一个类似Prim算法的思想求解最短环路,再通过设计的映射、投票和筛选操作对信息损失进行优化,从而实现了事务数据集的K-匿名隐私保护。此外,本文采用分而治之的思想,以用来降低算法的时间复杂度。实验表明,该算法在时间复杂度和信息损失量方面均优于现有算法。针对个性化的匿名化隐私保护问题,本文首次提出了个性化层次事务数据集的隐私保护问题。同时,考虑到传统的L-多样性隐私保护技术存在的缺陷,本文提出了一个(L,P)-多样性的隐私保护概念,并在此基础上提出了一个贪婪的Lnn-means算法。该算法首先通过层次泛化和矩阵化方法将原始数据转换为类似关系数据集的形式,并采用聚类技术将相似度较高的事务记录进行聚类。最后,通过优先对信息损失量小且满足(L,P)-多样性的事务记录进行等价类生成,从而实现了(L,P)-多样性隐私保护。事实上,Lnn-means算法不仅弥补了传统L-多样性隐私保护技术的缺陷,还在一定程度上避免了L-多样性隐私保护可能面临的语义攻击问题,隐私保护能力更强,安全性更高。总体来说,本文针对性的解决了事务数据集和个性化事务数据的匿名化隐私保护问题。大量的实验证明,本文所提出的框架与算法在实现匿名化需求上是可行且有效的。

关键词：隐私保护数据挖掘 K-匿名 (L,P)-多样性事务数据

来源：评论

学校读者我要写书评

暂无评论

隐私保护的数据挖掘方法的研究

引用

计算机技术与发展 2011年第4期21卷 156-159,226页

作者：汤琳何丰北方民族大学计算机科学与工程学院宁夏银川750021

介绍了隐私保护数据挖掘方法的产生背景和意义,其次概括了现阶段国内外隐私保护数据挖掘算法的研究现状,并对当前隐私保护数据挖掘领域中已提出的算法按照数据挖掘的方法、数据源分布情况、隐私保护技术和隐私保护对象以及数据挖掘应用... 详细信息

介绍了隐私保护数据挖掘方法的产生背景和意义,其次概括了现阶段国内外隐私保护数据挖掘算法的研究现状,并对当前隐私保护数据挖掘领域中已提出的算法按照数据挖掘的方法、数据源分布情况、隐私保护技术和隐私保护对象以及数据挖掘应用类型等方面进行分类,然后分别详细阐述了在集中式和分布式数据分布环境下,应用在隐私保护的关联规则挖掘、分类和聚类挖掘中的一些典型的技术和算法,总结出它们的优缺点,并对这些优缺点进行剖析和对比,最后指明了隐私保护数据挖掘算法在未来的整体发展方向。

关键词：隐私保护数据挖掘隐私保护的关联规则挖掘分类挖掘聚类挖掘集中式数据分布式数据

来源：评论

学校读者我要写书评

暂无评论

基于乘法扰动的数据挖掘隐私保护算法研究

基于乘法扰动的数据挖掘隐私保护算法研究

引用

作者：石雅强广东工业大学

学位级别：硕士

当今数据挖掘技术已成为管理与商务信息智能分析的主要工具。但在其应用的同时,用户隐私数据泄露问题时常发生。所以数据挖掘中的隐私保护算法成为当今的一大研究热点,即在获得高质量数据挖掘结果的同时,如何保护用户隐私数据。不同的... 详细信息

当今数据挖掘技术已成为管理与商务信息智能分析的主要工具。但在其应用的同时,用户隐私数据泄露问题时常发生。所以数据挖掘中的隐私保护算法成为当今的一大研究热点,即在获得高质量数据挖掘结果的同时,如何保护用户隐私数据。不同的数据挖掘算法对应着不同的隐私保护方法,如建立决策树模型只需要知道数据的分布,所以应用加法扰动方法比较有效。建立Apriori关联规则模型只需要了解每个事务项出现的概率,所以应用随机应答方法比较有效。还有一类数据挖掘算法,如K-means聚类算法,支持向量机分类算法等,这类算法的主要特点是只需要根据数据集之间的距离或点积便能建立模型,所以应用乘法扰动方法比较有效,这也是本文的研究重点。现在已研究的基于乘法扰动的数据挖掘隐私保护算法主要有旋转扰动方法(RP)和投影扰动方法(PP),它们分别将数据以同一角度旋转或将数据从高维空间映射到低维空间。独立分量分析(ICA)作为一种从混合数据分离恢复源数据的有效工具,也可以被用来从旋转扰动数据估计得到用户数据,这极大地降低了RP方法的隐私安全水平。本文研究出了已知信息独立分量分析(KK-ICA),攻击者利用它可以从投影扰动数据估计出用户数据的近似值,这也很大程度上破坏了PP的隐私安全性。因此,本文提出了新的乘法扰动隐私保护算法——局部旋转扰动方法(PRP),它将原始数据分割成若干个独立的部分,使用不同的随机正交矩阵对各部分局部旋转扰动,从而用KK-ICA不能从局部扰动数据中准确地估计得到所有用户数据。所以,PRP相比其他乘法扰动隐私保护算法具有更高的隐私安全性,而且准确性不低于以前的算法。在实验部分,本文引入了相对误差(RE)和Frobenius相对误差(F-RE)作为度量方法,通过多组实验对比了PP和RP的准确性和隐私安全性,验证了PRP的优越性。由于PRP是专门针对基于距离和点积的数据挖掘算法提出的,所以本文在最后部分,将该方法分别应要到聚类挖掘和分类挖掘中,更为直观地说明了局部旋转扰动方法在数据挖掘中的实际应用。

关键词：隐私保护数据挖掘乘法扰动局部旋转扰动旋转扰动投影扰动

来源：评论

学校读者我要写书评

暂无评论

具有隐私保护的外包数据分类方法研究

具有隐私保护的外包数据分类方法研究

引用

作者：李晔哈尔滨工业大学

学位级别：博士

随着大数据的快速发展,如何有效地保护用户隐私成为亟待解决的重要问题。基于数据加密的具有隐私保护的数据挖掘技术是解决这一问题的有效手段之一。因此,本文以数据分类算法为研究对象,结合云计算技术,从安全模型(半诚实、恶意)、云计... 详细信息

随着大数据的快速发展,如何有效地保护用户隐私成为亟待解决的重要问题。基于数据加密的具有隐私保护的数据挖掘技术是解决这一问题的有效手段之一。因此,本文以数据分类算法为研究对象,结合云计算技术,从安全模型(半诚实、恶意)、云计算服务(计算外包、存储及计算外包)及数据分布(水平分布、垂直分布和任意分布)等方面对具有隐私保护的数据分类方法展开研究,主要包括以下三点:首先,对半诚实模型下计算外包的隐私保护分类方法进行了研究。半诚实模型是指支持存在半诚实参与方的安全模型,半诚实参与方在协议执行中,完全遵循协议执行,但是可以通过协议执行过程中的中间信息推断其他参与方的隐私信息。本文将主要研究的三类数据分类方法(ID3、C4.5及随机决策树)在不同分布的数据集(水平、垂直、任意)中的隐私保护问题分别归纳为平均数计算问题、交集计算问题、频繁项集计算问题、安全和问题及安全投票问题等。(1)本文将两方安全平均数计算协议改进为基于单密钥半同态加密的多方外包安全平均数计算协议。在此基础上,提出了基于水平分布数据集的多方隐私保护ID3方法。(2)将两方安全平均数计算协议、安全交集计算协议、安全频繁项集计算协议改进为基于多密钥半同态加密的多密钥外包安全平均数计算协议、多密钥外包安全交集协议及多密钥外包安全频繁项集计算协议等,并在此基础上提出了基于水平、垂直及任意分布数据集的多方隐私保护C4.5方法。(3)将安全和计算协议及安全投票协议,改进为基于多密钥半同态加密的外包安全和计算协议以及多方外包安全投票协议,并提出了基于水平分布数据集的多方计算外包隐私保护随机决策树方法。通过安全性分析,各个安全子协议在半诚实模型下是安全的,所提出的各类计算外包隐私保护数据分类方法(ID3、C4.5及随机决策树)在半诚实模型下也是安全的。通过性能分析表明,所提出的方法也大大降低了用户端的负载。其次,对半诚实模型下存储及计算外包的隐私保护分类方法进行了研究。提出了两方及多方存储及计算外包的隐私保护ID3决策树方法。首先,将该存储及计算外包的ID3方法分解为密文数据比较、ln计算、密文最小值选择等运算。然后,基于单密钥同态加密方法提出了安全比较协议、两方安全ln计算协议及安全最小值选择算法,提出了存储及计算外包的两方隐私保护ID3方法。但由于单密钥同态加密方法难以有效支持多参与方的数据分类方法,本文进一步采用了EPOM多密钥同态加密方法,并提出了多方安全ln计算协议,从而提出了存储及计算外包的多方隐私保护ID3方法。通过安全性分析表明上述各类安全子协议在半诚实模型下是安全的,所提出的两方及多方存储及计算外包的隐私保护ID3决策树方法也是安全的。通过性能分析表明,所提出的方法也大幅降低了用户端与云端的数据通信。最后,对恶意模型下存储及计算外包的隐私保护分类方法进行了研究。恶意模型是指支持恶意参与方存在的安全模型,恶意参与方在协议执行中,不仅可以做任何事情来推断其他参与方的隐私信息,而且可以更改原始输入、篡改交互信息及中断协议执行。提出了恶意模型下两方外包存储及计算的隐私保护数据ID3决策树方法。针对恶意参与方存在的情况,提出了基于混淆电路的安全平均数计算协议,并结合两方安全ln计算协议、安全最小值选择算法及安全比特位分解协议等安全协议,提出了数据恶意模型下两方存储及计算外包隐私保护ID3方法。通过安全分析,所提出的方法可以在云端计算服务器恶意情况下,基于混淆电路的安全平均数计算协议是安全的。同时,在参与方和云端存储服务器是半诚实的情况下,所提出的恶意模型下两方外包存储及计算的隐私保护数据ID3决策树方法是安全的。

关键词：隐私保护数据挖掘安全多方计算计算外包存储外包同态加密半诚实模型恶意模型

来源：评论

学校读者我要写书评

暂无评论

关联规则及数据的隐私保护算法研究

关联规则及数据的隐私保护算法研究

引用

作者：接凤华东南大学

学位级别：硕士

数据挖掘目前是数据库研究、开发和应用最活跃的分支之一。不论科学研究还是商业应用,数据挖掘都开始取得了可喜的成果。但与此同时,数据挖掘也面临着许多问题的挑战。其中,数据挖掘的个人隐私与信息安全问题尤其得到关注。误用、滥用... 详细信息

数据挖掘目前是数据库研究、开发和应用最活跃的分支之一。不论科学研究还是商业应用,数据挖掘都开始取得了可喜的成果。但与此同时,数据挖掘也面临着许多问题的挑战。其中,数据挖掘的个人隐私与信息安全问题尤其得到关注。误用、滥用数据挖掘可能导致用户数据特别是敏感信息的泄漏,越来越多的人们对此表示担忧,甚至拒绝提供真实的数据。如何在不暴露用户隐私的前提下进行数据挖掘,一直是人们感兴趣的课题。问题的解决对实现新型安全、公平的数据挖掘有着重要的意义。本文在对传统关联规则挖掘技术研究的基础上,给出了保护隐私的新方法。根据保护对象的不同,本文内容大体分为关联规则的隐私保护算法及数据的隐私保护算法研究。算法在保护隐私的同时,尽量保证规则挖掘的精度。基于Stanley ***等提出的框架,针对IGA算法分组复杂的缺点,提出了基于倒排文件分组的IF-IGA算法;针对MinFIA算法、MaxFIA算法等算法每个敏感规则只删除特定的牺牲项的缺点,提出了平衡牺牲敏感规则各项目的VBA算法,力求在关联规则隐私保护和降低对原有数据集影响之间取得一个平衡。针对现有的一些隐私保护关联规则挖掘算法的不足,提出了一种新的保护原数据集隐私的关联规则挖掘算法,它在保证准确度的同时能够有效地保护原数据集,同时可结合现有的关联规则挖掘算法,使实际操作更有效率。本文还使用人工数据集产生器,提供相应的具体实例的运行验证,证明研究工作中所提出算法的有效性和安全性。

关键词：隐私保护数据挖掘关联规则敏感模式干扰项目干扰交易公开阈值

来源：评论

学校读者我要写书评

暂无评论

两方参与的隐私保护协同过滤推荐研究

引用

电子学报 2009年第1期37卷 84-89页

作者：张锋孙雪冬常会友赵淦森中山大学软件学院广东广州510275 中山大学广东省信息安全重点实验室广东广州510275

隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计... 详细信息

隐私保护的协同过滤推荐研究致力于在确保高质、高效地产生推荐的同时有效地保护参与方的隐私.在数据分布存储,参与方大于2的情形,已有研究针对其核心任务——对指定项进行评分预测,以可交换的密码系统为主要技术,设计了一个隐私保护计算协议.但该协议不适用于参与方是2的情形.以安全比较计算和安全点积计算为基础安全设施,设计了一个协议,解决参与方是2的情况下对指定项进行评分预测的隐私保护问题,从而解决了隐私保护的两方协同计算问题.预测准确度与数据集中存放一样,证明了协议的正确性,并基于安全多方计算理论和模拟范例,证明其安全性,分析了时间复杂度和通信耗费.

关键词：隐私保护数据挖掘安全多方计算推荐系统协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于SMC的隐私保护聚类模型

引用

系统工程与电子技术 2012年第7期34卷 1505-1510页

作者：方炜炜杨炳儒夏红科北京信息科技大学计算中心北京100192 北京科技大学信息工程学院北京100083

隐私保护数据挖掘指在实现准确挖掘知识的同时确保敏感数据不泄露。针对垂直分布式数据存储结构的聚类隐私保护问题,提出基于全同态加密协议和数据扰乱方法的隐私保护聚类模型。该模型通过采用安全比较协议解决了垂直分布式聚类的两个... 详细信息

隐私保护数据挖掘指在实现准确挖掘知识的同时确保敏感数据不泄露。针对垂直分布式数据存储结构的聚类隐私保护问题,提出基于全同态加密协议和数据扰乱方法的隐私保护聚类模型。该模型通过采用安全比较协议解决了垂直分布式聚类的两个隐私保护关键步骤:求解最近簇和判断质心变化,从而实现了数据的有效保护。理论证明了该模型的安全性并分析了其时间复杂度和通信耗量,实验结果表明该隐私保护聚类模型是安全有效的。

关键词：安全多方计算同态加密聚类隐私保护数据挖掘

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：