隨著互聯(lián)網(wǎng)信息的迅速增長,個性化搜索已成為提高用戶搜索效率的重要技術(shù)之一。個性化搜索的本質(zhì)是通過用戶歷史搜索記錄來構(gòu)建用戶興趣模型,為用戶提供準確的搜索服務(wù)。但隨之引發(fā)的用戶隱私泄露問題不僅損害了用戶利益,也使得個性化搜索服務(wù)遭遇到了前所未有的信任危機,因此個性化搜索隱私保護技術(shù)應(yīng)運而生。而現(xiàn)有個性化搜索隱私保護的研究中仍存在不足,如沒有區(qū)分搜索內(nèi)容的敏感性,對每次搜索采用相同的隱私保護方法;用戶查詢偏好和共現(xiàn)行為導(dǎo)致用戶查詢意圖泄露的問題。針對以上問題本文提出了個性化搜索的隱私保護方法,其主要工作如下:首先,針對現(xiàn)有保護方法中沒有區(qū)分內(nèi)容敏感性,對用戶的每次搜索采用相同隱私保護方法的問題,本文提出了敏感性搜索內(nèi)容的隱私保護算法。通過分層樹算法和ODP網(wǎng)頁分類目錄建立了用戶動態(tài)興趣模型,再基于TextRank算法對用戶搜索內(nèi)容進行關(guān)鍵詞提取,將提取的關(guān)鍵詞與用戶興趣模型進行關(guān)聯(lián)度計算,確定出用戶搜索主題。基于提取的主題與用戶信息集合建立敏感性約束,并實現(xiàn)對搜索內(nèi)容進行敏感性計算,對搜索內(nèi)容的敏感性進行區(qū)分,根據(jù)敏感值高低采用了不同強度的隱私保護方法。通過理論和實驗分析,該算法實現(xiàn)了對搜...

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 研究現(xiàn)狀
    1.4 主要研究內(nèi)容
    1.5 本文組織結(jié)構(gòu)
第2章 相關(guān)理論與技術(shù)
    2.1 差分隱私保護技術(shù)
    2.2 基于TextRank的關(guān)鍵詞提取算法
    2.3 基于ODP的主題分類
    2.4 基于WordNet的語義相似度算法
    2.5 本章小結(jié)
第3章 模型與問題描述
    3.1 模型描述及威脅
        3.1.1 模型描述
        3.1.2 安全威脅
    3.2 問題描述
    3.3 設(shè)計目標
    3.4 本章小結(jié)
第4章 敏感性搜索內(nèi)容的隱私保護
    4.1 算法預(yù)備
    4.2 區(qū)分敏感性內(nèi)容的隱私保護算法
        4.2.1 用戶興趣模型的構(gòu)建
        4.2.2 搜索內(nèi)容的敏感性分析
        4.2.3 搜索內(nèi)容的隱私保護
    4.3 算法安全和性能分析
        4.3.1 抵抗推理攻擊分析
        4.3.2 抵抗用戶端的數(shù)據(jù)泄漏分析
        4.3.3 算法復(fù)雜度分析
    4.4 實驗分析
        4.4.1 數(shù)據(jù)預(yù)處理
        4.4.2 實驗結(jié)果
    4.5 本章小結(jié)
第5章 混淆查詢意圖的隱私保護
    5.1 算法預(yù)備
    5.2 查詢意圖的混淆算法
        5.2.1 動態(tài)混淆集的生成
        5.2.2 共現(xiàn)行為的相似語義替換
        5.2.3 基于隨機數(shù)匿名混淆算法的意圖混淆
    5.3 算法安全和性能分析
        5.3.1 抵抗推理攻擊分析
        5.3.2 抵抗相似性攻擊分析
        5.3.3 算法復(fù)雜度分析
    5.4 實驗分析
        5.4.1 數(shù)據(jù)預(yù)處理
        5.4.2 實驗結(jié)果
    5.5 本章小結(jié)
第6章 隱私保護的個性化搜索系統(tǒng)設(shè)計與實現(xiàn)
    6.1 需求分析
    6.2 系統(tǒng)設(shè)計
        6.2.1 系統(tǒng)概要設(shè)計
        6.2.2 系統(tǒng)詳細設(shè)計
    6.3 系統(tǒng)實現(xiàn)與測試
        6.3.1 系統(tǒng)實現(xiàn)
        6.3.2 系統(tǒng)測試
    6.4 本章小結(jié)
第7章 總結(jié)和展望
    7.1 總結(jié)
    7.2 展望
參考文獻
攻讀學(xué)位期間的研究成果目錄
致謝



本文編號：3762956