隨著互聯(lián)網(wǎng)的高速發(fā)展,計(jì)算機(jī)技術(shù)在人們生活中的應(yīng)用越來越廣泛,已經(jīng)成為人類生活不可或缺的一部分。在大數(shù)據(jù)時(shí)代背景下,海量的數(shù)據(jù)中蘊(yùn)含的是現(xiàn)實(shí)世界中各個(gè)領(lǐng)域的碎片化的信息,具有不可估量的潛在價(jià)值。隨著大數(shù)據(jù)中巨大的潛在價(jià)值被挖掘,為人類的生活提供了便利。偏好分析,精準(zhǔn)推送讓人們的選擇變得方便簡(jiǎn)單。然而,近年來隱私泄露及大數(shù)據(jù)殺熟事件層出不窮,為基于大數(shù)據(jù)發(fā)展的技術(shù)產(chǎn)業(yè)敲響了警鐘。出于保護(hù)用戶隱私的目的,業(yè)內(nèi)研究者提出了差分隱私的保護(hù)模型。差分隱私使得攻擊者無法準(zhǔn)確辨別被攻擊者的信息具體來自于哪一條記錄,是有效的隱私保護(hù)模型。根據(jù)以上背景,本文使用本地差分隱私保護(hù)模型,實(shí)現(xiàn)了基于RAPPOR思想的本地差分隱私保護(hù),并且在實(shí)現(xiàn)本地差分隱私模型的同時(shí)探究數(shù)據(jù)屬性域的大小分布與不同的哈希函數(shù)間的選擇組合關(guān)系。對(duì)于不同特點(diǎn)的數(shù)據(jù)集來說,選擇使用沖突最小的哈希函數(shù)組合,其中當(dāng)哈希函數(shù)的數(shù)量為2,使用mmh3和FNV函數(shù)時(shí),對(duì)于數(shù)值型的數(shù)據(jù)沖突最小,在添加擾動(dòng)的過程中減少了隨機(jī)性擾動(dòng)的產(chǎn)生,既實(shí)現(xiàn)了隱私的保護(hù)又保證了數(shù)據(jù)的可用性。同時(shí)由于海量數(shù)據(jù)的發(fā)展不僅體現(xiàn)在用戶數(shù)量上,也體現(xiàn)于用戶數(shù)據(jù)屬性的增多,... 

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 研究現(xiàn)狀以及進(jìn)展
    1.4 研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)安排
第二章 理論基礎(chǔ)
    2.1 差分隱私的定義
        2.1.1 中心化差分隱私
        2.1.2 本地差分隱私
    2.2 隱私保護(hù)算法
        2.2.1 擾動(dòng)機(jī)制
        2.2.2 Bloom Filter技術(shù)
        2.2.3 RAPPOR算法思想
        2.2.4 隱私保護(hù)的改進(jìn)
    2.3 EM算法
    2.4 Lasso回歸
    2.5 降維算法
    2.6 本章小結(jié)
第三章 基于本地差分隱私的降維算法
    3.1 算法流程
    3.2 基于RAPPOR的隱私保護(hù)算法
    3.3 屬性降維算法
        3.3.1 EM JD算法
        3.3.2 Lasso JD算法
        3.3.3 EM+Lasso JD混合算法
        3.3.4 基于連接樹的降維算法
    3.4 本章小結(jié)
第四章 實(shí)驗(yàn)與結(jié)果分析
    4.1 計(jì)算時(shí)間與擾動(dòng)程度分析
    4.2 計(jì)算時(shí)間與哈希函數(shù)個(gè)數(shù)分析
    4.3 精確度與擾動(dòng)程度分析
    4.4 精確度與哈希函數(shù)個(gè)數(shù)分析
    4.5 合成數(shù)據(jù)識(shí)別率
    4.6 基于分布估計(jì)的降維與其他降維方法的對(duì)比
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的無人機(jī)數(shù)據(jù)鏈信噪比估計(jì)算法[J]. 孫宇航,曾國(guó)奇,劉春輝,張多納.  北京航空航天大學(xué)學(xué)報(bào). 2019(09)
[2]大數(shù)據(jù)處理和分析中的隱私保護(hù)研究綜述[J]. 任雪斌,楊新宇,楊樹森,張海.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]幾何分布的參數(shù)估計(jì)及EM算法[J]. 張夢(mèng)琇,周菊玲.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(20)
[4]治愈數(shù)據(jù)泄露良藥何在[J]. 董毅智.  法人. 2018(10)
[5]差分隱私技術(shù)研究進(jìn)展[J]. 高志強(qiáng),王宇濤.  通信學(xué)報(bào). 2017(S1)
[6]本地化差分隱私研究綜述[J]. 葉青青,孟小峰,朱敏杰,霍崢.  軟件學(xué)報(bào). 2018(07)
[7]基于分類樹的動(dòng)態(tài)集值型數(shù)據(jù)發(fā)布的隱私保護(hù)[J]. 石秀金,胡艷玲.  計(jì)算機(jī)科學(xué). 2017(05)
[8]圖論的算法與應(yīng)用簡(jiǎn)述[J]. 張孟,張惠.  亞太教育. 2016(32)
[9]智能手機(jī):普適感知與應(yīng)用[J]. 陳龍彪,李石堅(jiān),潘綱.  計(jì)算機(jī)學(xué)報(bào). 2015(02)
[10]半監(jiān)督拉普拉斯特征映射算法[J]. 劉海紅,周聰輝.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(02)



本文編號(hào)：3672260