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83頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、Web技術(shù)的進(jìn)步,使得社會(huì)網(wǎng)絡(luò)(比如facebook(facebook.com)、twitter(Twitter.com)、myspace(myspace.com)、hi5(hi5.com)等)得到了快速的發(fā)展,社會(huì)網(wǎng)絡(luò)的快速發(fā)展也給人們的交流帶了來極大的方便。然而,社會(huì)網(wǎng)絡(luò)中含有大量的個(gè)體隱私信息,其發(fā)布和共享會(huì)對(duì)個(gè)體的隱私構(gòu)成威脅。因此,研究社會(huì)網(wǎng)絡(luò)中的隱私保護(hù)問題具有重要的現(xiàn)實(shí)意義。
   社會(huì)網(wǎng)絡(luò)的隱私保護(hù)技術(shù)中,匿名化

2、方法以其安全、有效成為目前該領(lǐng)域的研究熱點(diǎn)。匿名化方法的思想是通過對(duì)原始社會(huì)網(wǎng)絡(luò)進(jìn)行某種變形變換,從而保護(hù)存在于社會(huì)網(wǎng)絡(luò)中的個(gè)體隱私?,F(xiàn)有的社會(huì)網(wǎng)絡(luò)隱私保護(hù)方法大多是針對(duì)社會(huì)網(wǎng)絡(luò)中的個(gè)體,不能有效地保護(hù)社會(huì)網(wǎng)絡(luò)中的敏感關(guān)系。本文從匿名化模型及算法兩個(gè)方面,對(duì)含敏感關(guān)系社會(huì)網(wǎng)絡(luò)發(fā)布中的隱私保護(hù)問題進(jìn)行了研究,主要工作有:
   (1)提出l-敏感邊匿名模型,實(shí)現(xiàn)了對(duì)含敏感關(guān)系社會(huì)網(wǎng)絡(luò)中敏感關(guān)系的有效保護(hù)?,F(xiàn)有的敏感關(guān)系保護(hù)的方法是

3、通過刪除敏感邊實(shí)現(xiàn)的,該方法使網(wǎng)絡(luò)的變形大,匿名網(wǎng)絡(luò)的可用性差。為此,本文提出了一種l-敏感邊匿名模型,該模型要求每個(gè)含敏感關(guān)系結(jié)點(diǎn)的敏感關(guān)系至少為l個(gè),使攻擊者確定地標(biāo)識(shí)出個(gè)體間敏感關(guān)系概率不高于1/l,從而保護(hù)了個(gè)體隱私。實(shí)驗(yàn)表明,l-敏感邊匿名模型與刪除敏感邊的方法相比,在保護(hù)敏感關(guān)系的同時(shí),能夠更好地保持匿名網(wǎng)絡(luò)的可用性。
   (2)提出(k,l)-匿名模型,在l-敏感邊匿名模型的基礎(chǔ)上,增加了度匿名化約束,從而保護(hù)敏

4、感關(guān)系的同時(shí),抵制了度攻擊?,F(xiàn)有的針對(duì)敏感邊隱私保護(hù)的(七,2)-匿名發(fā)布方法可以抵制鄰域攻擊,不能抵制度攻擊。為此,本文提出(k,l)-匿名模型,該模型要求每個(gè)含敏感關(guān)系結(jié)點(diǎn)的敏感關(guān)系至少有l(wèi)個(gè),且要求度相同的結(jié)點(diǎn)至少有七個(gè),從而在保護(hù)敏感關(guān)系的同時(shí),抵制了度攻擊。論文也提出了實(shí)現(xiàn)(k,l)-匿名模型的匿名化算法。實(shí)驗(yàn)表明,在k和l滿足用戶需求的情況下,(k,l)-模型可以在保護(hù)個(gè)體間的敏感關(guān)系和抵制度攻擊的同時(shí),有效地保持匿名網(wǎng)絡(luò)的

5、可用性。
   (3)提出(k,l,m)-匿名模型,實(shí)現(xiàn)了社會(huì)網(wǎng)絡(luò)敏感關(guān)系及結(jié)點(diǎn)敏感屬性的有效保護(hù)?,F(xiàn)有的敏感關(guān)系匿名模型無法保護(hù)網(wǎng)絡(luò)中屬性中的敏感信息。為此,本文提出(k,l,m)-匿名模型,該模型在(k,l)-匿名模型的基礎(chǔ)上,添加敏感屬性的泄密約束,要求在滿足(k,l)-匿名的等價(jià)類中,結(jié)點(diǎn)的敏感屬性值滿足m-多樣性約束;并基于加權(quán)層次距離,提出實(shí)現(xiàn)(k,l,m)-匿名模型的(k,l,m)-聚類算法以及信息損失的度量方法。

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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論