隨著互聯(lián)網(wǎng)、云計算和人工智能的迅速發(fā)展和普及應用,數(shù)據(jù)的收集和共享日漸頻繁,而由此帶來的數(shù)據(jù)隱私問題也愈顯尖銳。因此一方面,基于對數(shù)據(jù)隱私的形式化定義,設計并完善保護用戶隱私的策略,具有一定的現(xiàn)實意義;但另一方面,保護隱私的最終目的還是使用數(shù)據(jù)并產(chǎn)生價值,隱私化數(shù)據(jù)的可用性不可被忽略。那么在滿足隱私需求的前提下,設計合理的數(shù)據(jù)處理方案來保證數(shù)據(jù)可用性,是隱私保護研究的重點所在。本文聚焦于數(shù)據(jù)發(fā)布技術,以理論嚴格且可操作的差分隱私為基礎,研究其在不同層面上的隱私保護和數(shù)據(jù)可用性優(yōu)化方案�？v觀隱私技術相關研究飛速發(fā)展的十余年,理論成果和實踐應用積淀深厚,然而隨著數(shù)據(jù)化大潮,整個領域仍面臨著諸多挑戰(zhàn)。挑戰(zhàn)一:從數(shù)據(jù)類型角度來看,連續(xù)數(shù)據(jù)信息量豐富,它的發(fā)布對于交通流量分析、人口流動研究、城市環(huán)境監(jiān)測等許多領域都有著重要作用。但這些基于用戶個人數(shù)據(jù)聚合的數(shù)據(jù)分析稍有不慎就會對用戶的個人隱私造成極大的威脅,如日常行為模式等。因此如何在確保用戶數(shù)據(jù)隱私和維持連續(xù)數(shù)據(jù)的信息價值間達到合理平衡,對于整個領域的發(fā)展是個巨大挑戰(zhàn)。挑戰(zhàn)二:從數(shù)據(jù)提供者的角度來看,在真實的數(shù)據(jù)收集場景中,不同的數(shù)據(jù)提供者對于... 

【文章來源】：中國科學技術大學安徽省 211工程院校 985工程院校

【文章頁數(shù)】：119 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 研究現(xiàn)狀
        1.2.2 發(fā)展趨勢
    1.3 有待解決的關鍵問題
    1.4 本文工作及創(chuàng)新點
    1.5 論文組織結構
第2章 相關工作與背景知識
    2.1 相關工作
        2.1.1 時空數(shù)據(jù)隱私化
        2.1.2 隱私化發(fā)布模型
        2.1.3 隱私化數(shù)據(jù)用途
    2.2 相關術語與理論基礎
        2.2.1 集中式差分隱私(DP)
        2.2.2 本地化差分隱私(LDP)
第3章 動態(tài)化隱私保護的時空數(shù)據(jù)分組發(fā)布方法
    3.1 引言
    3.2 問題模型
        3.2.1 發(fā)布模型
        3.2.2 數(shù)據(jù)模型
        3.2.3 隱私模型
    3.3 時空數(shù)據(jù)動態(tài)發(fā)布技術(RGP)
        3.3.1 方案描述
        3.3.2 算法設計
    3.4 技術分析
        3.4.1 隱私保護性
        3.4.2 數(shù)據(jù)可用性
        3.4.3 效率分析
    3.5 實驗驗證
        3.5.1 實驗設置
        3.5.2 實驗結果
    3.6 小結與討論
第4章 多層次個性化隱私保護的數(shù)據(jù)直方圖發(fā)布方法
    4.1 引言
    4.2 系統(tǒng)概述
        4.2.1 問題定義
        4.2.2 隱私保證
        4.2.3 基本模型
        4.2.4 效用評價
    4.3 優(yōu)化組合技術(AC)
        4.3.1 方法詳述
        4.3.2 技術分析
    4.4 數(shù)據(jù)復用技術(DRPP)
        4.4.1 方法詳述
        4.4.2 技術分析
        4.4.3 性能對比
    4.5 組合復用方案(RCF)
        4.5.1 方法詳述
        4.5.2 技術分析
    4.6 實驗仿真
        4.6.1 實驗設置
        4.6.2 實驗結果
    4.7 小結與討論
第5章 基于多種隱私模型的分類器發(fā)布方法
    5.1 引言
    5.2 系統(tǒng)描述
        5.2.1 問題定義
        5.2.2 隱私模型
        5.2.3 評價標準
    5.3 基于隨機應答機制的分類器訓練技術
        5.3.1 方案詳述
        5.3.2 技術分析
    5.4 基于1-bit通信機制的分類器訓練技術
        5.4.1 方案詳述
        5.4.2 技術分析
    5.5 基于幾何分布的數(shù)值擾動技術
        5.5.1 方案詳述
        5.5.2 技術分析
    5.6 實驗仿真
        5.6.1 參數(shù)設置
        5.6.2 實驗結果
    5.7 小結與討論
第6章 總結與展望
    6.1 本文工作總結
    6.2 未來研究工作展望
參考文獻
致謝
在讀期間發(fā)表的學術論文與取得的研究成果



本文編號：3201134