隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展,數(shù)據(jù)的重要性變得越來(lái)越凸顯,并被經(jīng)濟(jì)學(xué)人雜志稱(chēng)為數(shù)字時(shí)代的石油。然而,隨著各國(guó)政府日趨嚴(yán)格的隱私保護(hù)法案的出臺(tái),以及互聯(lián)網(wǎng)用戶(hù)隱私保護(hù)意識(shí)的覺(jué)醒,如何在保護(hù)隱私的前提下收集數(shù)據(jù)成為各大互聯(lián)網(wǎng)公司的當(dāng)務(wù)之急。在學(xué)術(shù)界和工業(yè)界的共同推動(dòng)下,本地差分隱私技術(shù)逐漸成為用戶(hù)隱私數(shù)據(jù)收集的黃金標(biāo)準(zhǔn)。目前谷歌、蘋(píng)果和微軟等互聯(lián)網(wǎng)巨頭已把本地差分隱私集成到產(chǎn)品中用于用戶(hù)隱私數(shù)據(jù)的收集與分析。本地差分隱私的核心思想是用戶(hù)在本地對(duì)數(shù)據(jù)進(jìn)行隨機(jī)擾動(dòng)處理,并提供嚴(yán)格的隱私保護(hù)量化標(biāo)準(zhǔn)。然而,隨機(jī)擾動(dòng)的引入不可避免地影響了數(shù)據(jù)可用性。如何優(yōu)化數(shù)據(jù)可用性成為各大互聯(lián)網(wǎng)公司大規(guī)模部署本地差分隱私需要解決的首要問(wèn)題。對(duì)本地差分隱私數(shù)據(jù)可用性的優(yōu)化可以從兩個(gè)維度展開(kāi):融合算法優(yōu)化和隱私預(yù)算優(yōu)化。其中,融合算法優(yōu)化通過(guò)改進(jìn)數(shù)據(jù)編解碼方式以降低隨機(jī)擾動(dòng)對(duì)數(shù)據(jù)可用性的影響,隱私預(yù)算優(yōu)化在融合算法給定時(shí)通過(guò)進(jìn)一步優(yōu)化隱私保護(hù)程度來(lái)降低擾動(dòng)水平。根據(jù)數(shù)據(jù)擁有者與數(shù)據(jù)使用者之間的關(guān)系,隱私預(yù)算優(yōu)化可以分為激勵(lì)設(shè)計(jì)和協(xié)同優(yōu)化兩種方法。當(dāng)數(shù)據(jù)擁有者不是使用者時(shí),可以通過(guò)激勵(lì)設(shè)計(jì)補(bǔ)償數(shù)據(jù)擁有者隱私損失的方...

【文章頁(yè)數(shù)】：151 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 研究背景
        1.1.1 數(shù)據(jù)隱私及其保護(hù)技術(shù)
        1.1.2 差分隱私技術(shù)
    1.2 研究現(xiàn)狀
        1.2.1 融合算法優(yōu)化
        1.2.2 隱私預(yù)算優(yōu)化
        1.2.3 現(xiàn)有工作存在的不足
    1.3 本文研究?jī)?nèi)容
        1.3.1 研究思路
        1.3.2 研究?jī)?nèi)容
第二章 本地差分隱私定義與理論基礎(chǔ)
    2.1 差分隱私定義
        2.1.1 集中式差分隱私
        2.1.2 本地差分隱私
        2.1.3 集中式差分隱私與本地差分隱私區(qū)別
    2.2 頻率估計(jì)
        2.2.1 廣義隨機(jī)響應(yīng)法
        2.2.2 最優(yōu)一元編碼法
        2.2.3 最優(yōu)本地哈希法
        2.2.4 方法比較與選擇
    2.3 均值估計(jì)
        2.3.1 拉普拉斯機(jī)制
        2.3.2 杜奇機(jī)制
        2.3.3 分段機(jī)制
        2.3.4 方法比較與選擇
第三章 高維數(shù)據(jù)融合算法優(yōu)化
    3.1 引言
    3.2 邊緣列聯(lián)表發(fā)布問(wèn)題定義與現(xiàn)有方法總結(jié)
        3.2.1 問(wèn)題定義:集中式差分隱私情形
        3.2.2 問(wèn)題定義:本地差分隱私情形
        3.2.3 全列聯(lián)表法
        3.2.4 全邊緣列聯(lián)表法
        3.2.5 傅里葉變換法
        3.2.6 期望最大化法
    3.3 本文方法
        3.3.1 PriView方法概述
        3.3.2 本章提出的CALM方法
        3.3.3 視圖選取方法
        3.3.4 帶噪音視圖一致性處理方法
        3.3.5 復(fù)雜度分析
        3.3.6 討論
    3.4 性能評(píng)估
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 二元數(shù)據(jù)集性能比較
        3.4.3 非二元數(shù)據(jù)集性能比較
        3.4.4 分類(lèi)性能比較
        3.4.5 驗(yàn)證算法參數(shù)合理性
        3.4.6 k及本地設(shè)定對(duì)性能的影響
    3.5 本章小結(jié)
第四章 基于靜態(tài)激勵(lì)的隱私預(yù)算優(yōu)化
    4.1 引言
    4.2 系統(tǒng)模型
        4.2.1 群智感知系統(tǒng)概述
        4.2.2 靜態(tài)激勵(lì)機(jī)制工作流程
        4.2.3 隱私預(yù)算與融合精度定量關(guān)系
        4.2.4 用戶(hù)效用定義
    4.3 基于契約理論的激勵(lì)機(jī)制設(shè)計(jì)
        4.3.1 契約建模
        4.3.2 完全信息下最優(yōu)契約設(shè)計(jì)
        4.3.3 不完全信息下最優(yōu)契約設(shè)計(jì)
        4.3.4 討論
    4.4 連續(xù)情況擴(kuò)展
    4.5 仿真評(píng)估
        4.5.1 激勵(lì)設(shè)計(jì)優(yōu)越性評(píng)估
        4.5.2 激勵(lì)設(shè)計(jì)有效性評(píng)估
    4.6 本章小結(jié)
第五章 基于動(dòng)態(tài)激勵(lì)的隱私預(yù)算優(yōu)化
    5.1 引言
    5.2 系統(tǒng)模型
        5.2.1 群智感知系統(tǒng)模型
        5.2.2 激勵(lì)機(jī)制工作流程
        5.2.3 反向組合拍賣(mài)定義
        5.2.4 激勵(lì)機(jī)制設(shè)計(jì)目標(biāo)
    5.3 動(dòng)態(tài)激勵(lì)設(shè)計(jì)問(wèn)題建模
        5.3.1 隱私預(yù)算與融合精度之間定量關(guān)系
        5.3.2 數(shù)學(xué)模型
    5.4 動(dòng)態(tài)激勵(lì)設(shè)計(jì)問(wèn)題求解
        5.4.1 在線(xiàn)拍賣(mài)轉(zhuǎn)換
        5.4.2 在線(xiàn)LPRC拍賣(mài)設(shè)計(jì)
        5.4.3 討論
    5.5 在線(xiàn)拍賣(mài)機(jī)制理論分析
    5.6 性能評(píng)估
        5.6.1 實(shí)驗(yàn)設(shè)置
        5.6.2 性能比較
    5.7 本章小結(jié)
第六章 基于協(xié)同優(yōu)化的隱私預(yù)算優(yōu)化
    6.1 引言
    6.2 背景與攻擊模型介紹
        6.2.1 基本數(shù)據(jù)庫(kù)訪(fǎng)問(wèn)協(xié)議
        6.2.2 攻擊模型與假設(shè)
    6.3 可量化隱私保護(hù)機(jī)制
        6.3.1 二級(jí)用戶(hù)隱私保護(hù)機(jī)制
        6.3.2 一級(jí)用戶(hù)隱私保護(hù)機(jī)制
        6.3.3 防干擾框架
    6.4 隱私保護(hù)的數(shù)據(jù)庫(kù)訪(fǎng)問(wèn)協(xié)議
        6.4.1 協(xié)議概述
        6.4.2 二級(jí)用戶(hù)最優(yōu)決策
        6.4.3 一級(jí)用戶(hù)最優(yōu)決策
    6.5 多用戶(hù)數(shù)據(jù)庫(kù)訪(fǎng)問(wèn)協(xié)議
        6.5.1 信道空閑情形
        6.5.2 信道占用情形
    6.6 性能評(píng)估
        6.6.1 實(shí)驗(yàn)設(shè)置
        6.6.2 性能比較
    6.7 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 研究展望
參考文獻(xiàn)
攻讀博士學(xué)位期間主要研究成果及參與的科研項(xiàng)目



本文編號(hào)：3777467