隨著關(guān)鍵信息技術(shù)的不斷突破,可穿戴設(shè)備在形態(tài)和功能上都快速發(fā)展并迅速在人們的生活中得以普及。受限于可穿戴設(shè)備的計算、存儲能力,大量數(shù)據(jù)將被存儲在云端�；谏虡I(yè)合作、科學(xué)研究等需求,可穿戴設(shè)備數(shù)據(jù)擁有者需要將這些個人數(shù)據(jù)發(fā)布給第三方機(jī)構(gòu)或者公布至互聯(lián)網(wǎng)之中。如何既保護(hù)數(shù)據(jù)中的個人隱私不泄露,又保證數(shù)據(jù)具有一定程度的可用性,是當(dāng)今熱點研究問題之一。本論文對隱私保護(hù)技術(shù)進(jìn)行了論述,并著重對發(fā)布隱私保護(hù)模型以及相關(guān)的基礎(chǔ)概念做出了歸納。本文將可穿戴設(shè)備數(shù)據(jù)發(fā)布模型分為靜態(tài)、動態(tài)處理兩部分。在靜態(tài)階段,針對MAA-SEA（Micro Aggregation Algorithm Sensitive Attribute Entropy）算法的不足,提出了FMAA-SEA模型,并以此為基礎(chǔ)提出了支持動態(tài)數(shù)據(jù)的DSR-DAGU算法模型。最后針對應(yīng)用場景中可能出現(xiàn)的特殊數(shù)據(jù)情況,本文提出了DSR-DAG 算法模型在偏態(tài)數(shù)據(jù)下的應(yīng)用。論文的主要工作如下:（1）在靜態(tài)數(shù)據(jù)處理過程中,針對MAA-SEA算法靈活性不足的問題,提出了FMAA-SEA隱私保護(hù)算法模型,通過數(shù)據(jù)可用性和隱私保護(hù)力度兩種參數(shù)的引入靈活地... 

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 研究內(nèi)容和主要工作
    1.4 論文組織結(jié)構(gòu)
2 數(shù)據(jù)發(fā)布隱私保護(hù)技術(shù)及模型概述
    2.1 隱私保護(hù)模型及分類
    2.2 數(shù)據(jù)發(fā)布隱私保護(hù)算法模型概述
        2.2.1 基本概念及定義
        2.2.2 k匿名算法模型
        2.2.3 k匿名推理攻擊及相關(guān)拓展算法
    2.3 數(shù)據(jù)重發(fā)布下的隱私保護(hù)問題
        2.3.1 對比攻擊
        2.3.2 M-invariance算法介紹與分析
    2.4 本章小結(jié)
3 一種新的動態(tài)分組屬性更新隱私保護(hù)模型DSR-DAGU
    3.1 問題提出
        3.1.1 k匿名相關(guān)模型的局限性
        3.1.2 M-invariance模型的局限性
    3.2 理論基礎(chǔ)
        3.2.1 泛化和隱匿
        3.2.2 屬性距離和信息損失
        3.2.3 微聚集
    3.3 基于信息熵的靈活微聚集算法模型FMAA-SEA
        3.3.1 FMAA-SEA隱私保護(hù)模型定義
        3.3.2 FMAA-SEA模型算法描述
        3.3.3 FMAA-SEA模型算法復(fù)雜度分析
    3.4 面向數(shù)據(jù)流的動態(tài)分組屬性更新模型DSR-DAGU
        3.4.1 緩存表動態(tài)分組
        3.4.2 偽數(shù)據(jù)敏感屬性動態(tài)更新
        3.4.3 拉普拉斯噪聲機(jī)制
    3.5 DSR-DAGU隱私保護(hù)模型整體流程描述及分析
    3.6 仿真及結(jié)果分析
        3.6.1 實驗環(huán)境及實驗數(shù)據(jù)
        3.6.2 實驗結(jié)果分析
    3.7 本章小結(jié)
4 偏態(tài)數(shù)據(jù)下DSR-DAGU隱私保護(hù)模型的應(yīng)用
    4.1 隱私保護(hù)中的偏態(tài)數(shù)據(jù)問題
    4.2 理論基礎(chǔ)
        4.2.1 概率分布距離
        4.2.2 偏態(tài)隱私保護(hù)效用
    4.3 基于偏態(tài)數(shù)據(jù)的DSR-DAGU隱私保護(hù)模型
        4.3.1 微聚集過程中的偏態(tài)檢測
        4.3.2 偏態(tài)數(shù)據(jù)下的DSR-DAGU隱私保護(hù)模型
    4.4 仿真及結(jié)果分析
        4.4.1 實驗環(huán)境及實驗數(shù)據(jù)
        4.4.2 實驗結(jié)果分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來展望
參考文獻(xiàn)
作者簡歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]Graph publishing method based on differential privacy protection[J]. 王俊麗,Yang Li,Wu Yuxi,Guan Min.  High Technology Letters. 2018(02)
[2]面向可穿戴設(shè)備的數(shù)據(jù)安全隱私保護(hù)技術(shù)綜述[J]. 劉強(qiáng),李桐,于洋,蔡志平,周桐慶.  計算機(jī)研究與發(fā)展. 2018(01)
[3]一種個性化（p,k）匿名隱私保護(hù)算法[J]. 賈俊杰,閆國蕾.  計算機(jī)工程. 2018(01)
[4]平行數(shù)據(jù):從大數(shù)據(jù)到數(shù)據(jù)智能[J]. 劉昕,王曉,張衛(wèi)山,汪建基,王飛躍.  模式識別與人工智能. 2017(08)
[5]基于敏感屬性熵的微聚集算法[J]. 楊靜,王超,張健沛.  電子學(xué)報. 2014(07)



本文編號：3696273