2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩101頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、在醫(yī)療、金融、戶籍管理等涉及國計民生的國家基礎(chǔ)信息網(wǎng)絡(luò)和重要信息系統(tǒng)中,存在著大量的隱私數(shù)據(jù),其中,許多包含敏感信息的數(shù)據(jù)都是大樣本數(shù)據(jù),數(shù)據(jù)可視化技術(shù)可以輔助用戶快速準確地發(fā)掘其中隱含的信息,如何對包含敏感信息的大樣本數(shù)據(jù)進行可視化是本文的主要研究內(nèi)容。
   本文研究2006年由Dwork等人首次提出的差分隱私保護方法,差分隱私保護方法首次定義了一個嚴格的攻擊模型,通過添加噪聲使數(shù)據(jù)失真,從而達到隱私保護的目的。差分隱私保護

2、方法具有兩大優(yōu)點:①隱私披露風險與攻擊者所具有的背景知識無關(guān)。②隱私保護所添加的噪聲量不隨數(shù)據(jù)集的增大而增加。由于差分隱私保護僅通過添加與數(shù)據(jù)集大小無關(guān)的少量噪聲,就能達到高級別的隱私保護,極大的保證了數(shù)據(jù)可視化的可用性,因而非常適合于解決大樣本數(shù)據(jù)的安全可視化問題。
   數(shù)據(jù)可視化通過數(shù)據(jù)聚合來減少可視化中的圖像疊加,提高大樣本數(shù)據(jù)可視化質(zhì)量,差分隱私保護數(shù)據(jù)聚合的難點在于①數(shù)據(jù)聚合中的聚簇數(shù)量往往很大,噪音的添加使得聚合的

3、成功率極低。②迭代次數(shù)的不確定性導致隱私預(yù)算消耗過快,一旦隱私預(yù)算耗盡,則難以實現(xiàn)有效的隱私保護。本文在上述背景下提出,研究“差分隱私保護下的數(shù)據(jù)聚合及其在數(shù)據(jù)可視化中的應(yīng)用”,包括以下四個內(nèi)容:
   1.研究獲取ε-差分隱私保護的理論和方法,分析了交互式與非交互式框架下的差分隱私保護機制,列舉了幾種攻擊模型下,差分隱私保護方法與k-匿名和L-diversity相比所具備的優(yōu)勢。差分隱私保護方法隱私預(yù)算的消耗速度與敏感度有著密

4、切的關(guān)系,本文對幾種特定情況下敏感度的界進行了分析。
   2.在對大樣本數(shù)據(jù)進行可視化時,通常先對數(shù)據(jù)進行聚合處理,以減少可視化中的圖像交疊、重合的現(xiàn)象,從而提高大樣本數(shù)據(jù)的可視化圖像質(zhì)量。聚類是數(shù)據(jù)聚合的基本手段,本文研究差分隱私保護下的聚類算法,針對差分隱私k-means聚類可用性差的問題,在滿足ε-差分隱私保護的基礎(chǔ)上,通過改進初始中心點的選擇,提出了一個IDPk-means聚類方法,與現(xiàn)有的隱私保護k-means聚類方

5、法相比,IDPk-means聚類方法在同樣的隱私保護級別下,提高了聚類可用性。為了更具客觀性,我們引入了隱私保護聚類的同類算法與IDPk-means聚類方法進行了比較,通過仿真實驗可得出結(jié)論,IDPk-means的聚類質(zhì)量在各項指標上的表現(xiàn)更具優(yōu)勢,尤其在大樣本數(shù)據(jù)集上的優(yōu)勢會更加明顯。
   3.聚合與聚類算法的不同之處在于聚合算法需要支持數(shù)量更大的聚簇。很多聚類算法在聚簇數(shù)目較大的情況下,往往會出現(xiàn)聚類可用性低,迭代次數(shù)大,

6、算法效率低等問題。本文提出了一種均分k-means++數(shù)據(jù)聚合算法,以數(shù)據(jù)可視化為目的對算法進行了改進,使算法支持高效地聚合為更多的簇。聚合得到的數(shù)據(jù)既較好地保持了原數(shù)據(jù)空間的大部分特性,又顯著提高了可視化后的圖像質(zhì)量。仿真實驗證明,在不同的DAL下,無論是圖像質(zhì)量還是質(zhì)量評價指標HDM,NNM上,算法都表現(xiàn)出了較好的效果。
   4.差分隱私保護下的數(shù)據(jù)聚合方法是本文的主要研究內(nèi)容之一,本文提出了一種差分隱私DPEk-mean

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論