基于差分隐私的学生成绩隐私保护系统

基于学生成绩的数据挖掘技术出现了许多创新,设计了一个基于差分隐私技术的学生成绩隐私保护系统,该系统从考虑保护学生成绩隐私角度出发,在发布学生成绩数据前,先对静态数据进行差分隐私保护处理,再将数据应用到真实教育数据发布中,最终不仅方便用户根据不同需求发布结果,而且达到对学生的个人隐私数据进行保护的目的。     

满足本地差分隐私的位置数据采集方案

针对位置数据采集中的隐私保护问题,该文给出了基于本地差分隐私的位置数据采集方案。采用多阶段随机应答机制进行满足本地差分隐私的位置数据采集;以区域密度估计为目标,分别利用直接统计法和期望最大法进行位置数据分析。该方案保证不可信数据采集者利用非原始位置数据仍可以实现以统计特征为基础的位置数据分析。大量仿真实验结果表明：该方案在小样本位置数据场景下,期望最大法的可用性和隐私保护特性较优;在大样本位置数据量场景下,直接统计法和期望最大法的性能相近。     

本地化差分隐私下的电力物联网终端数据隐私保护方法

传统电网的终端数据隐私保护方法由于高开销以及依赖可信第三方数据中心的问题,已不再适用于资源受限的电力物联网环境。针对此问题,提出了一种基于本地化差分隐私的电力物联网终端数据隐私保护方法。在电力物联网的智能终端处添加本地化差分隐私噪声,模糊终端数据,并采用Knuth-Durstenfeld算法对数据随机置乱,破坏终端数据的时序性。理论分析及实验结果表明,该方法在不影响数据可用性的同时有效增强了数据的安全性,与其他方法相比,该方法具有更低的计算开销与通信开销,且无须依赖可信第三方,能够以更加高效的方式保护电力物联网终端的隐私数据。     

面向轨迹聚类的差分隐私保护方法

针对目前的轨迹聚类隐私保护方法仍然存在适用性较窄、可用性较低以及难以在实际应用中实施的问题,提出了支持轨迹聚类的差分隐私保护方法,首先给出了典型轨迹聚类算法的通用框架模型及其差分隐私定义,然后根据定义设计满足差分隐私机制的二维拉普拉斯噪声,最后将直角坐标系中得到的噪声形式变换到极坐标系,并加入到原始轨迹点中以进行实际应用实现.实验结果表明,本文算法具有更好适用性,与当前的轨迹聚类隐私保护方法相比,在相同保护强度下,本文算法具有更好的聚类效果.     

基于差分隐私的LBS用户位置隐私保护方案

为了兼顾共享位置数据的可用性和隐私保护需求,针对第三方收集的用户共享位置信息,提出了一种基于差分隐私的LBS用户位置隐私保护方案.首先,对共享位置数据集进行预处理,使用字典查询方式构建位置事务数据库,采用Trie树结构存储位置数据和频率,提高查询效率,减少加噪次数;其次,在Trie树上进行频繁位置选取,并使用差分隐私下...     

基于树模型的差分隐私保护算法

目前面向分类的差分隐私保护算法中,大部分都是基于决策树或者随机森林等树模型。若数据集中同时存在连续数据和离散数据时,算法往往会选择调用2次指数机制,并且进行隐私预算分配时往往选择平均分配。这都使得隐私预算过小、噪声过大、时间成本增加以及分类准确性降低。如何在保证数据隐私的同时尽可能地保证数据可用性,并提高算法性能,成为目前差分隐私保护技术研究的重点。提出了面向决策树和随机森林的差分隐私保护数据挖掘算法,使用Laplace机制来处理离散型特征,使用指数机制处理连续型特征,选择最佳分裂特征和分裂点,并采用最优特征选择策略和等差预算分配加噪策略。对金融数据集的测试结果表明,提出的2种基于树模型的差分隐私保护算法都能在保护数据隐私的同时,具有较高的分类准确性,并且能够充分利用隐私保护预算,节省了时间成本。     

面向轨迹聚类的差分隐私保护方法

针对目前的轨迹聚类隐私保护方法存在适用性较窄、可用性较低及难以在实际应用中实施的问题,提出了支持轨迹聚类的差分隐私保护方法.首先给出了典型轨迹聚类算法的通用框架模型及其差分隐私定义,然后根据定义设计满足差分隐私机制的二维拉普拉斯噪声,最后将直角坐标系中得到的噪声形式变换到极坐标系,并加入到原始轨迹点中以进行实际应用实现.实验结果表明:与当前的轨迹聚类隐私保护方法相比,本文算法具有更好的适用性和聚类效果.     

用户为中心的差分扰动位置隐私保护方法

基于隐形区的位置混淆技术是实现位置隐私广泛研究的技术,但该技术需要可信第三方且无法防止基于背景信息的推理攻击,容易泄露位置隐私。针对这一难题,提出了以用户为中心的差分扰动位置隐私保护方法,不需要可信第三方,同时增强了用户位置隐私。该方法采用修改的Hilbert曲线映射技术将地图中用户的每个位置投影到一维空间,通过组合k匿名和差分隐私技术随机产生扰动,并将扰动位置作为用户真实位置提交给服务商。为了解决移动设备资源受限问题,采用基于四分树的方法将用户的上下文存储和转换为比特流,由此获得了有效的时空复杂度和很高的检索准确率。安全分析表明,该方法能有效保护用户位置隐私;实验评估表明,与采用标准Hilbert曲线映射的方法相比检索准确率平均提高了15.4%。所提方法在隐私保护和服务精度之间取得了较好的权衡,对隐私保护系统设计具有一定的理论和实际意义。     

基于移动社交网络的位置隐私保护研究

针对移动社交网络隐私保护方案的研究现状,分析总结了当前方案中存在的隐私保护效果差、通信开销高和数据可用性低等问题.首先,系统地介绍了移动社交网络位置隐私保护主流的三大体系结构;其次,分析总结了当前国内外应用在移动社交网络中的隐私保护方案的隐私保护程度、计算开销、服务质量及数据可用性等问题,分别从基于失真、加密、增强和差分隐私四个方面对其进行讨论;最后,从理论、技术、硬件设施三个方面阐述了移动社交网络位置隐私面临的挑战及未来的研究发展方向.     

基于联邦学习的边缘计算隐私保护方法

针对边缘计算下联邦学习模型参数传递的安全性问题,提出一种基于联邦学习的边缘计算隐私保护方法(EC2PM)。该方法首先利用本地差分隐私(LDP),对参与联邦学习(FL)的边缘设备训练的模型参数添加数据扰动;然后通过调整隐私参数ε控制隐私损失的大小;最后将边缘计算与联邦学习进行结合,模型训练全程无需上传本地数据,实现了在保障边缘用户安全共享数据时,边缘设备的数据本地化训练和模型聚合,解决了边缘用户数据的隐私安全问题。对比实验结果表明,该方法的准确率为86.87%,不仅能够确保聚合模型的准确率而且达到保护模型参数的效果,同时能够满足安全性要求较高的边缘计算场景。     

基于差分隐私保护的社交网络发布图生成模型

社交网络在帮助人们建立社会性网络应用服务的同时,收集了大量的用户资料和敏感数据,通过分析这些数据可能泄露潜在的隐私信息.目前差分隐私保护模型对隐私泄露风险给出了严谨、定量化的表示和证明,极大地保证了数据的可用性.设计了一个满足差分隐私保护的社交网络发布图生成模型,首先通过图模型表示社交网络结构,并将原图按照节点特征分类为多个子图;然后利用四叉树方法对子图的密集区域进行划分,在树的叶子节点添加满足差分隐私保护的噪声;通过子图重构的方式,生成待发布图.最后,利用度分布、最短路径、聚类系数等统计分析方法,实验验证了该模型的可行性和有用性.     

一种基于隐私拆分的轨迹隐私保护方法

针对连续位置服务中的位置隐私问题,提出一种基于隐私拆分的轨迹隐私保护方法.首先,系统分析轨迹中基于时空关联的位置攻击方法,提出历史、空间和行进3种位置相关性,并利用差分隐私模型,建立单点位置的发布对查询轨迹的前向和后向隐私风险评估机制.在此基础上,提出一种基于多服务器的交替查询机制,通过拆分查询轨迹,消除轨迹中位置间的相关性,提高轨迹的隐私安全.最后,基于真实数据集的仿真实验验证模型的有效性和可行性.     

一种移动社交网络的协同定位隐私保护方法

基于位置服务的移动社交网络中用户分享携带位置和好友标签的信息,不仅会 影响用户位置隐私也会泄漏好友的位置信息,从而导致基于协同定位信息攻击的位置隐 私泄露问题． 为此,文中提出了一种防御协同定位信息攻击的位置隐私保护方法,设计了 基于用户与好友线上交互的关系强度计算方法,给出了关系强度与位置隐私保护需求的 关联和量化方法,实现了一种基于协同定位信息隐藏和时间调整( CCTA) 的位置隐私保 护算法． 在推特数据集上的实验结果表明,文中方法能满足用户位置隐私保护需求,且保 护效果最佳．     

一种基于差分隐私的峰谷分时电价激励方案

针对智能电网系统峰值负荷差值过大、电力供给短缺等问题,提出了基于差分隐私的峰谷分时电价激励方案。方案将差分隐私和峰谷分时电价模型进行结合,在保证用户数据隐私的前提下对峰谷分时电价的定价策略进行优化。通过施行差异化的电价策略对用户的用电行为进行引导,激励用户形成错峰用电习惯,进而实现电力系统整体用电负荷的均衡。最后,通过实验对引入差分隐私后的数据效用进行分析,并对所提机制的运行效果进行评估。实验表明,本方案在实现电网整体用电负荷削峰填谷的同时对用户的数据隐私进行了保护。     

融合差分改正的RSSI指纹库室内定位研究

基于RSSI指纹库的室内定位中,由于受到室内复杂环境的影响,实时采集的指纹数据会存在一定的误差,将其直接用于定位,必将降低室内定位的精度。考虑定位区域内接收的不同RSSI信号值具有相关性,采用RSSI差分改正的方式提高定位精度。误差改正数的计算与定位是本算法的关键,直接决定了定位的准确率。而选择不同数量与不同位置的参考点都将影响误差改正数的结果。泰森多边形能构建整体角度最大化的多边形网络,并在空间信息领域具有广泛的应用。为此,运用泰森多边形的空间邻接性质选择用于误差改正数计算的参考点,设计定位区域坐标改正数和RSSI向量元素改正数的计算方法,得到共用误差,并应用到指纹数据的校正与定位。最后,在Eclipse编程环境下,配合PostgreSQL/PostGIS空间数据库与Mybatis数据库映射工具,开发了实验原型系统,并对提出的融合差分改正的算法进行实验测试,从实验结果得出相较于未差分改正前,定位准确率有一定的提高。     

基于区块链的差分隐私机制在公共数据要素化中的应用

随着公共数据要素化的推动,数据的隐私保护需求日益突出。该文从公共数据要素化的角度,系统回顾了区块链与差分隐私技术的融合应用,分析了区块链在数据安全与可信共享中的作用,重点讨论其在数据权属、可追溯性及去中心化隐私保护方面的应用。在此基础上,梳理了差分隐私在公共数据管理中的应用场景,包括在智能合约、共识机制和多方数据共享中的隐私保护策略,探讨其在不影响数据效用的前提下所提供的隐私保障。最后,总结了该领域的关键问题,并指出未来研究方向,以期为公共数据管理中的隐私保护提供参考。     

基于卷积神经网络的人脸图像隐私保护

针对现有基于深度生成网络模型的人脸图像隐私保护方法无法提供可证明隐私保证、合成图像与原始图像保持语义一致性的问题,提出一种基于卷积神经网络的人脸图像隐私保护方法。该方法首先基于卷积自动编码器和差分隐私实现人脸图像的预训练,对原始人脸图像进行解耦和身份信息的差分隐私保护;然后利用卷积生成对抗网络合成伪图像代替原始图像发布,在保留原始人脸图像的关键特征的基础上,生成与原始图像的关键人脸属性高度匹配的伪图像。该方法可保证合成图像与原始图像语义一致性,并提供可证明的隐私保证。与现有的基于深度生成模型人脸图像隐私方法相比,所提出的方法达到了更好的隐私保护与数据可用性之间的优化权衡。     

差分隐私中噪声添加与精度分析研究

国内对于差分隐私定义以及所使用的基本机制缺乏严格清晰的证明与推导过程,对学者入门造成了困难.因此针对这方面空白,通过分析、证明与应用举例的方式,对差分隐私中的拉普拉斯机制与指数机制进行了详细分析,并给出完整的数学推导过程和应用举例.指出了拉普拉斯机制精度公式和指数机制精度公式存在缩放过大的问题,并且在拉普拉斯机制和指数机制精度公式的证明之后给出了放缩过大的理由.通过实验得出结论,拉普拉斯机制精度公式和指数机制精度公式是精度范围过大的公式.     

基于BIGRU的轨迹数据发布隐私保护方案

在保证轨迹数据发布隐私性的同时,需要提高发布数据的可用性,将机器学习算法应用于轨迹数据处理可以提高轨迹数据的可用性。针对轨迹数据发布可用性问题,提出一种面向轨迹数据发布的结合双向门控循环单元(bidirectional gated recurrent unit,BIGRU)和差分隐私(differential privacy,DP)的轨迹隐私保护方案。通过应用BIGRU对轨迹数据进行预处理从而提高轨迹数据的可用性,对轨迹数据进行聚类泛化并使用差分隐私指数机制进行分区选择从而达到了隐私保护的目的,将得到的泛化轨迹数据集进行异常处理并发布。仿真实验结果表明,该方案不仅具有较好的数据可用性,也有一定的效率优势。     

基于WGAN反馈的深度学习差分隐私保护方法（英文）

针对攻击者可能通过某些技术手段如生成式对抗网络(GAN)等窃取深度学习训练数据集中敏感信息的问题,结合差分隐私理论,提出经沃瑟斯坦生成式对抗网络(WGAN)反馈调参的深度学习差分隐私保护的方法.该方法使用随机梯度下降进行优化,设置梯度阈值进行梯度裁剪,对深度学习的优化过程添加噪声实施隐私保护;利用WGAN生成与原始数据相似的最优结果,对比生成结果与原始数据的差异进行反馈调参.实验结果表明,该方法可以有效保护数据集的敏感信息并且具有较好的数据可用性.