近年來,隨著互聯(lián)網技術的飛速發(fā)展,我們已經進入了大數(shù)據(jù)時代,大數(shù)據(jù)是依賴于互聯(lián)網平臺而產生的規(guī)模巨大的數(shù)據(jù)集,且有著海量規(guī)模、變化迅速、價值密度低、種類繁多等特點。在我們的日常生活中,隨著各種數(shù)據(jù)在網絡上肆意傳播,接踵而來的是日益嚴重的用戶隱私信息泄露問題,大大小小的公司或組織或多或少地都經歷過來自于惡意應用、木馬等互聯(lián)網攻擊,從而導致其用戶數(shù)據(jù)流出。因此,隱私保護問題已經成為眾多研究學者關注的熱點問題�，F(xiàn)有的隱私保護研究成果大多數(shù)都是針對靜態(tài)社會網絡中的靜態(tài)數(shù)據(jù),然而實際上,我們在社會網絡中發(fā)布的數(shù)據(jù)是時時刻刻都在變化的,更趨近于動態(tài)社會網絡。對于動態(tài)社會網絡中規(guī)模較大、流動迅速的流式數(shù)據(jù),目前采用的方法僅僅是直接應用靜態(tài)數(shù)據(jù)的隱私保護算法,這樣雖然在某一時刻能夠很好的保護用戶隱私,但是一旦攻擊者利用發(fā)布在多個時間片下的數(shù)據(jù)進行聯(lián)合攻擊,那么就很容易暴露隱私信息。本文針對以上問題,提出一種面向動態(tài)網絡的隱私保護模型。首先,提出了一種隱私風險主動監(jiān)測機制,基于貝葉斯網絡在分析不確定性問題的優(yōu)勢分析并預測動態(tài)社會網絡在下一時刻的狀態(tài),根據(jù)概率模型推測用戶隱私泄露的概率從而決定是否采取隱私... 

【文章來源】：哈爾濱工程大學黑龍江省 211工程院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

Laplace概率密度函數(shù)b.指數(shù)機制

.2 貝葉斯網絡的結構貝葉斯網絡通過有向圖的形式來表示隨機變量間的因果關系，并通過條將這種因果關系量化。一個貝葉斯網絡一般由網絡結構和條件概率表兩[46]，數(shù)學表達式為二元組 B(G,P)。其中網絡結構 G 表示的是一個有向它也是由兩部分組成，表達式可以寫作 G=(V,A)，其中 V={V1,V2, 葉斯網絡的節(jié)點，n≥1，A 是網絡中節(jié)點連接弧的集合。Xi可以看做有中某個節(jié)點 Vi的隨機變量，X={X1,X2, ,Xn}是隨機變量集合。P 是絡中的條件概率表(Conditional Probabilty Tables,CPT)，變量之間的關系來表示。同時，P(X 丨 Parents(X))用于表示某個節(jié)點的父節(jié)點對該節(jié)點Parents(X)為 X 節(jié)點的父節(jié)點，如果某個節(jié)點沒有父節(jié)點時，該節(jié)點的表表示的就是其先驗概率。圖 2.4 就是一個簡單而典型的貝葉斯網絡：


本文編號：3007699