隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算等信息技術(shù)的發(fā)展和普及,全球數(shù)據(jù)量呈爆炸式增長(zhǎng)。在大數(shù)據(jù)時(shí)代下,個(gè)人信息的價(jià)值受到日益廣泛的重視,在探尋數(shù)據(jù)中所蘊(yùn)藏的巨大的經(jīng)濟(jì)效益和社會(huì)效益的同時(shí),如何科學(xué)地平衡數(shù)據(jù)價(jià)值開發(fā)和個(gè)人隱私安全,是近年來(lái)學(xué)術(shù)界持續(xù)研究和努力解決的重點(diǎn)問(wèn)題。為解決大數(shù)據(jù)與個(gè)人隱私的沖突,一種可行的途徑是建立數(shù)據(jù)交易平臺(tái)。而數(shù)據(jù)交易的關(guān)鍵在于合理設(shè)定數(shù)據(jù)的價(jià)格。由于數(shù)據(jù)提供者與收集者之間的“信息非對(duì)稱”,當(dāng)前學(xué)者在提出數(shù)據(jù)交易機(jī)制時(shí)均假定了個(gè)人對(duì)隱私的重視程度所服從的概率分布是數(shù)據(jù)收集者已知的。但事實(shí)上,“概率分布己知”這一假設(shè)在現(xiàn)實(shí)中很難成立,因而有必要研究概率分布未知情況下的數(shù)據(jù)交易機(jī)制。首先,本文以實(shí)現(xiàn)數(shù)據(jù)價(jià)值與隱私安全的平衡為目標(biāo),對(duì)數(shù)據(jù)交易場(chǎng)景中數(shù)據(jù)提供者及數(shù)據(jù)收集者之間的交互進(jìn)行建模分析,提出了基于用戶角色的分析方法,分別對(duì)數(shù)據(jù)提供者及數(shù)據(jù)收集者在隱私數(shù)據(jù)交易過(guò)程中所面臨的問(wèn)題進(jìn)行分析梳理。在明確交易場(chǎng)景及模型需求之后,設(shè)計(jì)并提出了基于多狀態(tài)選擇的隱私數(shù)據(jù)動(dòng)態(tài)定價(jià)模型。該模型的構(gòu)建由“隱私定價(jià)”、“多狀態(tài)選擇”以及“時(shí)變收益”三個(gè)環(huán)節(jié)組成。其中,為保障交易過(guò)程中數(shù)據(jù)提供者的隱私安全,模型采用k-匿名技術(shù)對(duì)購(gòu)買到的數(shù)據(jù)進(jìn)行匿名化處理。如何在模型中體現(xiàn)匿名化處理對(duì)數(shù)據(jù)價(jià)值的影響,這是本模型解決的重點(diǎn)問(wèn)題之一。其次,為求解概率分布未知情況下的數(shù)據(jù)交易最優(yōu)定價(jià)策略,結(jié)合所構(gòu)建的基于多狀態(tài)選擇的隱私數(shù)據(jù)動(dòng)態(tài)定價(jià)模型,本文在強(qiáng)化學(xué)習(xí)思想的基礎(chǔ)之上,提出了基于經(jīng)驗(yàn)矩陣的定價(jià)策略學(xué)習(xí)算法PriSARSA及PriQ-learning算法。通過(guò)運(yùn)用PriSARSA及PriQ-learning算法,數(shù)據(jù)收集者可以不斷的與數(shù)據(jù)提供者進(jìn)行交互來(lái)獲取出價(jià)經(jīng)驗(yàn),并從給予的獎(jiǎng)賞信號(hào)中獲得知識(shí),以不斷改進(jìn)原有的行動(dòng)策略來(lái)獲得更高的回報(bào),最終使累積總收益值最大化。為評(píng)估所提定價(jià)策略算法的性能,本文對(duì)其進(jìn)行了仿真實(shí)驗(yàn)。仿真結(jié)果表明,所提出的基于經(jīng)驗(yàn)矩陣的定價(jià)策略學(xué)習(xí)算法不僅可以求解概率分布未知情況下的定價(jià)決策問(wèn)題,更可以依據(jù)“經(jīng)驗(yàn)矩陣”做出最優(yōu)的定價(jià)判斷,為數(shù)據(jù)收集者帶來(lái)高收益。最后,由于強(qiáng)化學(xué)習(xí)迭代求解過(guò)程較為耗時(shí),可以利用啟發(fā)式學(xué)習(xí)思想,通過(guò)增加啟發(fā)函數(shù)來(lái)改善策略算法,使得算法的學(xué)習(xí)速度得以加快。本文在基于經(jīng)驗(yàn)矩陣的定價(jià)策略算法基礎(chǔ)之上,對(duì)PriQ-learning算法進(jìn)行改進(jìn)和優(yōu)化,提出了基于啟發(fā)函數(shù)的定價(jià)策略算法。啟發(fā)式PriQ-learning算法通過(guò)在原有的策略算法中設(shè)計(jì)并增加啟發(fā)式獎(jiǎng)賞函數(shù)及啟發(fā)式策略選擇函數(shù),以此來(lái)指導(dǎo)數(shù)據(jù)收集者的定價(jià)行為,加快了定價(jià)策略算法的學(xué)習(xí)速度,提高了算法性能。本文通過(guò)對(duì)多種定價(jià)策略算法進(jìn)行仿真測(cè)試,驗(yàn)證了所提算法的高性能。仿真結(jié)果證實(shí)了啟發(fā)式PriQ-learning算法能夠幫助數(shù)據(jù)收集者在有限的隱私數(shù)據(jù)交易過(guò)程中獲得更高的收益回報(bào)。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP309;TP181
【部分圖文】：

１．１課題背景及意乂??１．１．１研究背景??進(jìn)入２１世紀(jì)以來(lái)，伴隨著互聯(lián)網(wǎng)時(shí)代的發(fā)展和進(jìn)步，全球的數(shù)據(jù)量呈飛式地增長(zhǎng)，人類社會(huì)己步入大數(shù)據(jù)時(shí)代［１］。由個(gè)人創(chuàng)建的或蘊(yùn)含著個(gè)人信息的據(jù)，稱為個(gè)人數(shù)據(jù)。個(gè)人數(shù)據(jù)是構(gòu)成大數(shù)據(jù)的基礎(chǔ)性資源，沒有個(gè)人數(shù)據(jù)的支撐，??大數(shù)據(jù)無(wú)從談起。合理運(yùn)用個(gè)人數(shù)據(jù)可創(chuàng)造巨大的社會(huì)和經(jīng)濟(jì)效用［２］。例如，過(guò)綜合分析互聯(lián)網(wǎng)用戶在使用在線購(gòu)物、檢索資料、網(wǎng)絡(luò)社交等服務(wù)時(shí)生成的量行為和內(nèi)容數(shù)據(jù)，企業(yè)可構(gòu)建出互聯(lián)網(wǎng)用戶的畫像，進(jìn)而針對(duì)用戶制定個(gè)性的營(yíng)銷策略；通過(guò)監(jiān)控統(tǒng)計(jì)用戶出行過(guò)程中記錄在行車記錄儀等智能終端中的據(jù)，政府可以針對(duì)交通擁堵問(wèn)題進(jìn)行有效的解決［３］。在大數(shù)據(jù)時(shí)代，個(gè)人數(shù)據(jù)譽(yù)為“網(wǎng)絡(luò)中的黃金”?［４］。??

０．００％?１０．００％?２０．００％?３０．００％?４０．００％?５０．００％?６０．００％??圖１?－２政府類爬蟲分布??從圖１－１和１－２中可以看出，個(gè)人數(shù)據(jù)、個(gè)人信息早已在網(wǎng)絡(luò)中被各類爬蟲??技術(shù)盯上。其中，出行、社交以及電商類數(shù)據(jù)是被挖掘利用的重災(zāi)區(qū)。在大數(shù)據(jù)??時(shí)代，人類的生產(chǎn)生活都離不開個(gè)人數(shù)據(jù)的參與。人們依托著海量的數(shù)據(jù)，享受??著智能識(shí)別、個(gè)性化推薦等技術(shù)給生活帶來(lái)的便捷，與此同時(shí)帶來(lái)的是個(gè)人數(shù)據(jù)??的隱私安全問(wèn)題。??個(gè)人隱私是當(dāng)事人不希望被他人所知的個(gè)人信息或者不愿被他人進(jìn)入的個(gè)??人空間的總和。而個(gè)人數(shù)據(jù)與用戶日�；顒�(dòng)緊密聯(lián)系，比如移動(dòng)軌跡、消費(fèi)記錄、??社交信息等，因而或多或少地反映了個(gè)人隱私。２０１３年，“棱鏡門”事件爆發(fā)，??美國(guó)政府擅自無(wú)視公民隱私權(quán)，收集與恐怖主義有關(guān)的信息，引起美國(guó)公民的不??滿。而在不久之后，另一起大規(guī)模的隱私數(shù)據(jù)泄露又被爆出，一家數(shù)據(jù)分析企業(yè)??竊取了?Ｆａｃｅｂｏｏｋ上多達(dá)５０００萬(wàn)的用戶信息

習(xí)是一門跨領(lǐng)域的學(xué)科，涉及心理學(xué)、仿生學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算。它是機(jī)器學(xué)習(xí)的重要組成部分之一，除此之外機(jī)器學(xué)習(xí)還包督學(xué)習(xí)［２２］。??學(xué)習(xí)思想概述??等哺乳動(dòng)物由于可以在與環(huán)境的交互過(guò)程中學(xué)習(xí)經(jīng)驗(yàn)，總結(jié)規(guī)能，因此能夠通過(guò)不斷地探索環(huán)境、學(xué)習(xí)環(huán)境的變化，以此增從而對(duì)自我的行為決策做出更好的判斷。機(jī)器學(xué)習(xí)作為人工智研宄課題，能夠賦予計(jì)算機(jī)學(xué)習(xí)的能力，并仿真或指導(dǎo)人類生為決策。當(dāng)人類需要花費(fèi)漫長(zhǎng)的時(shí)間學(xué)習(xí)才能實(shí)現(xiàn)理想的效果有學(xué)習(xí)速度快、效率高的優(yōu)點(diǎn)，且只需要一個(gè)機(jī)器學(xué)會(huì)，其余靠復(fù)制它的程序?qū)崿F(xiàn)該功能；除此之外，人類學(xué)習(xí)會(huì)因生命終學(xué)習(xí)則不局限于這一點(diǎn)，因此可以獲得更高的知識(shí)積累。??
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陶林波;沈建京;薛猛;蔡立剛;;云計(jì)算環(huán)境下隱私數(shù)據(jù)的隱式攻擊保護(hù)[J];計(jì)算機(jī)科學(xué);2016年09期

2 顧理平;楊苗;;個(gè)人隱私數(shù)據(jù)“二次使用”中的邊界[J];新聞與傳播研究;2016年09期

3 肖治庭;任毅;;面向數(shù)據(jù)庫(kù)應(yīng)用的隱私數(shù)據(jù)模型研究[J];計(jì)算機(jī)與數(shù)字工程;2013年08期

4 ;怎樣徹底刪除隱私數(shù)據(jù)[J];計(jì)算機(jī)與網(wǎng)絡(luò);2009年20期

5 裴華艷;王煥民;;基于可信計(jì)算的多租戶隱私數(shù)據(jù)保護(hù)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2015年10期

6 曲家興;姜天一;燕思嘉;蒼鶴;;RFID系統(tǒng)隱私保護(hù)技術(shù)探討[J];信息技術(shù);2011年07期

7 張宏壯;劉明生;王建民;;一種高效保持隱私數(shù)據(jù)挖掘協(xié)議的實(shí)現(xiàn)[J];河北省科學(xué)院學(xué)報(bào);2007年01期

8 米鐵男;;中國(guó)電子商務(wù)領(lǐng)域隱私數(shù)據(jù)保護(hù)研究[J];學(xué)術(shù)交流;2013年07期

9 侯翔;;隱私數(shù)據(jù)的用戶自我保護(hù)策略綜述[J];四川文理學(xué)院學(xué)報(bào);2010年05期

10 劉逸敏;程傳苗;邢茂迎;;隱私數(shù)據(jù)保護(hù)技術(shù)在醫(yī)院信息管理領(lǐng)域應(yīng)用探討[J];中國(guó)數(shù)字醫(yī)學(xué);2008年07期

相關(guān)博士學(xué)位論文 前6條

1 施炎峰;面向云平臺(tái)隱私數(shù)據(jù)保護(hù)的加密技術(shù)研究[D];北京交通大學(xué);2015年

2 劉逸敏;基于訪問(wèn)目的的隱私數(shù)據(jù)訪問(wèn)控制機(jī)制研究[D];復(fù)旦大學(xué);2012年

3 王俊;面向健康服務(wù)的可穿戴設(shè)備安全認(rèn)證與隱私數(shù)據(jù)發(fā)布[D];武漢大學(xué);2017年

4 王保衛(wèi);無(wú)線傳感器網(wǎng)絡(luò)隱私數(shù)據(jù)安全研究[D];湖南大學(xué);2011年

5 洪雙喜;Android平臺(tái)隱私保護(hù)方法研究[D];北京郵電大學(xué);2017年

6 趙考;面向智能移動(dòng)終端的隱私保護(hù)技術(shù)研究[D];華中科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 陳希;基于強(qiáng)化學(xué)習(xí)的隱私數(shù)據(jù)定價(jià)研究[D];北京郵電大學(xué);2019年

2 譚江平;企業(yè)網(wǎng)站隱私數(shù)據(jù)保護(hù)技術(shù)研究[D];河北大學(xué);2018年

3 張國(guó)放;基于訪問(wèn)控制的TaintDroid隱私數(shù)據(jù)保護(hù)研究[D];西安電子科技大學(xué);2018年

4 張克落;物流用戶隱私數(shù)據(jù)保護(hù)和訪問(wèn)權(quán)限管理研究[D];東南大學(xué);2018年

5 梁辰;基于匿名化的隱私數(shù)據(jù)保護(hù)模型研究[D];北京郵電大學(xué);2018年

6 向東東;基于用戶行為特征的手機(jī)端身份識(shí)別研究[D];上海師范大學(xué);2018年

7 孫濤;云環(huán)境中隱私數(shù)據(jù)保護(hù)軟件的設(shè)計(jì)與實(shí)現(xiàn)[D];廣西大學(xué);2015年

8 周長(zhǎng)利;物聯(lián)網(wǎng)隱私數(shù)據(jù)保護(hù)策略研究[D];哈爾濱工程大學(xué);2012年

9 程旋;PDF中隱私數(shù)據(jù)的保護(hù)方法研究[D];武漢工程大學(xué);2017年

10 湯瑾;Android平臺(tái)下的隱私數(shù)據(jù)保護(hù)方法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2014年

本文編號(hào)：2839022