社交網(wǎng)絡(luò)中個人信息與人際關(guān)系的隱私保護(hù)研究.pdf_第1頁
已閱讀1頁,還剩66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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、作為Web2.0技術(shù)產(chǎn)物之一,社交網(wǎng)絡(luò)(Social Network Service,簡稱SNS)已經(jīng)成為當(dāng)今網(wǎng)絡(luò)應(yīng)用的熱門。Facebook等SNS應(yīng)用譜寫了一個又一個用戶激增和財富暴漲的神話。隨著社交網(wǎng)絡(luò)的應(yīng)用,人們分享和發(fā)布的信息也越來越多,用戶隱私信息的泄露問題也日益嚴(yán)重。本文將研究內(nèi)容分為個人信息隱私保護(hù)和人際關(guān)系隱私保護(hù)兩個方面。
   在研究個人信息的隱私保護(hù)方面,在傳統(tǒng)表格式數(shù)據(jù)的隱私保護(hù)基礎(chǔ)上,分析了K-Ano

2、nymity模型,L-Diversity模型以及個性化匿名模型的優(yōu)缺點,綜合考慮了社交網(wǎng)絡(luò)中個人信息隱私保護(hù)的個性化需求,提出了個性化(P,α,K)匿名模型。該模型考慮了隱匿字段P,隱匿層次α和標(biāo)識符相同的個數(shù)K等因素,通過先設(shè)置需要個性化隱匿的字段和層次,再進(jìn)行K匿名處理,從而提高算法的效率,論文詳細(xì)闡述了個性化(P,α,K)匿名模型中數(shù)據(jù)隱匿和泛化的過程。本文并討論了計算隱私泄露風(fēng)險與信息損失的方法和度量。
   在研究人際

3、關(guān)系的隱私保護(hù)方面,本文分析了典型的圖發(fā)布中的隱私保護(hù)方法,在現(xiàn)有三級保護(hù)框架的基礎(chǔ)上,提出用戶可以自定義設(shè)置的四級保護(hù)模型,將隱私保護(hù)程度從低到高分為節(jié)點信息保護(hù),節(jié)點信息和度數(shù)綜合保護(hù),邊的標(biāo)簽信息泛化,相鄰節(jié)點保護(hù)。該模型允許用戶設(shè)置不同的隱私保護(hù)程度,并且綜合了節(jié)點間邊的結(jié)構(gòu)信息保護(hù)方法和微數(shù)據(jù)的隱私保護(hù)方法。
   最后,通過搭建實驗仿真平臺,實現(xiàn)了個性化(P,α,K)匿名模型,通過實驗數(shù)據(jù)分析了該模型的運行時間與信息

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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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