可穿戴设备数据发布隐私保护技术的研究
发布时间：2022-10-21 19:51
随着关键信息技术的不断突破,可穿戴设备在形态和功能上都快速发展并迅速在人们的生活中得以普及。受限于可穿戴设备的计算、存储能力,大量数据将被存储在云端。基于商业合作、科学研究等需求,可穿戴设备数据拥有者需要将这些个人数据发布给第三方机构或者公布至互联网之中。如何既保护数据中的个人隐私不泄露,又保证数据具有一定程度的可用性,是当今热点研究问题之一。本论文对隐私保护技术进行了论述,并着重对发布隐私保护模型以及相关的基础概念做出了归纳。本文将可穿戴设备数据发布模型分为静态、动态处理两部分。在静态阶段,针对MAA-SEA（Micro Aggregation Algorithm Sensitive Attribute Entropy）算法的不足,提出了FMAA-SEA模型,并以此为基础提出了支持动态数据的DSR-DAGU算法模型。最后针对应用场景中可能出现的特殊数据情况,本文提出了DSR-DAG 算法模型在偏态数据下的应用。论文的主要工作如下:（1）在静态数据处理过程中,针对MAA-SEA算法灵活性不足的问题,提出了FMAA-SEA隐私保护算法模型,通过数据可用性和隐私保护力度两种参数的引入灵活地...
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究内容和主要工作
1.4 论文组织结构
2 数据发布隐私保护技术及模型概述
2.1 隐私保护模型及分类
2.2 数据发布隐私保护算法模型概述
2.2.1 基本概念及定义
2.2.2 k匿名算法模型
2.2.3 k匿名推理攻击及相关拓展算法
2.3 数据重发布下的隐私保护问题
2.3.1 对比攻击
2.3.2 M-invariance算法介绍与分析
2.4 本章小结
3 一种新的动态分组属性更新隐私保护模型DSR-DAGU
3.1 问题提出
3.1.1 k匿名相关模型的局限性
3.1.2 M-invariance模型的局限性
3.2 理论基础
3.2.1 泛化和隐匿
3.2.2 属性距离和信息损失
3.2.3 微聚集
3.3 基于信息熵的灵活微聚集算法模型FMAA-SEA
3.3.1 FMAA-SEA隐私保护模型定义
3.3.2 FMAA-SEA模型算法描述
3.3.3 FMAA-SEA模型算法复杂度分析
3.4 面向数据流的动态分组属性更新模型DSR-DAGU
3.4.1 缓存表动态分组
3.4.2 伪数据敏感属性动态更新
3.4.3 拉普拉斯噪声机制
3.5 DSR-DAGU隐私保护模型整体流程描述及分析
3.6 仿真及结果分析
3.6.1 实验环境及实验数据
3.6.2 实验结果分析
3.7 本章小结
4 偏态数据下DSR-DAGU隐私保护模型的应用
4.1 隐私保护中的偏态数据问题
4.2 理论基础
4.2.1 概率分布距离
4.2.2 偏态隐私保护效用
4.3 基于偏态数据的DSR-DAGU隐私保护模型
4.3.1 微聚集过程中的偏态检测
4.3.2 偏态数据下的DSR-DAGU隐私保护模型
4.4 仿真及结果分析
4.4.1 实验环境及实验数据
4.4.2 实验结果分析
4.5 本章小结
5 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]Graph publishing method based on differential privacy protection[J]. 王俊丽,Yang Li,Wu Yuxi,Guan Min. High Technology Letters. 2018(02)
[2]面向可穿戴设备的数据安全隐私保护技术综述[J]. 刘强,李桐,于洋,蔡志平,周桐庆. 计算机研究与发展. 2018(01)
[3]一种个性化（p,k）匿名隐私保护算法[J]. 贾俊杰,闫国蕾. 计算机工程. 2018(01)
[4]平行数据:从大数据到数据智能[J]. 刘昕,王晓,张卫山,汪建基,王飞跃. 模式识别与人工智能. 2017(08)
[5]基于敏感属性熵的微聚集算法[J]. 杨静,王超,张健沛. 电子学报. 2014(07)
本文编号：3696273
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究内容和主要工作
1.4 论文组织结构
2 数据发布隐私保护技术及模型概述
2.1 隐私保护模型及分类
2.2 数据发布隐私保护算法模型概述
2.2.1 基本概念及定义
2.2.2 k匿名算法模型
2.2.3 k匿名推理攻击及相关拓展算法
2.3 数据重发布下的隐私保护问题
2.3.1 对比攻击
2.3.2 M-invariance算法介绍与分析
2.4 本章小结
3 一种新的动态分组属性更新隐私保护模型DSR-DAGU
3.1 问题提出
3.1.1 k匿名相关模型的局限性
3.1.2 M-invariance模型的局限性
3.2 理论基础
3.2.1 泛化和隐匿
3.2.2 属性距离和信息损失
3.2.3 微聚集
3.3 基于信息熵的灵活微聚集算法模型FMAA-SEA
3.3.1 FMAA-SEA隐私保护模型定义
3.3.2 FMAA-SEA模型算法描述
3.3.3 FMAA-SEA模型算法复杂度分析
3.4 面向数据流的动态分组属性更新模型DSR-DAGU
3.4.1 缓存表动态分组
3.4.2 伪数据敏感属性动态更新
3.4.3 拉普拉斯噪声机制
3.5 DSR-DAGU隐私保护模型整体流程描述及分析
3.6 仿真及结果分析
3.6.1 实验环境及实验数据
3.6.2 实验结果分析
3.7 本章小结
4 偏态数据下DSR-DAGU隐私保护模型的应用
4.1 隐私保护中的偏态数据问题
4.2 理论基础
4.2.1 概率分布距离
4.2.2 偏态隐私保护效用
4.3 基于偏态数据的DSR-DAGU隐私保护模型
4.3.1 微聚集过程中的偏态检测
4.3.2 偏态数据下的DSR-DAGU隐私保护模型
4.4 仿真及结果分析
4.4.1 实验环境及实验数据
4.4.2 实验结果分析
4.5 本章小结
5 总结与展望
5.1 工作总结
5.2 未来展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]Graph publishing method based on differential privacy protection[J]. 王俊丽,Yang Li,Wu Yuxi,Guan Min. High Technology Letters. 2018(02)
[2]面向可穿戴设备的数据安全隐私保护技术综述[J]. 刘强,李桐,于洋,蔡志平,周桐庆. 计算机研究与发展. 2018(01)
[3]一种个性化（p,k）匿名隐私保护算法[J]. 贾俊杰,闫国蕾. 计算机工程. 2018(01)
[4]平行数据:从大数据到数据智能[J]. 刘昕,王晓,张卫山,汪建基,王飞跃. 模式识别与人工智能. 2017(08)
[5]基于敏感属性熵的微聚集算法[J]. 杨静,王超,张健沛. 电子学报. 2014(07)
本文编号：3696273
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3696273.html
