面向实时数据流的差分隐私直方图发布技术
发布时间：2021-01-22 07:16
当今全世界的科技革命处在历史的交汇点,互联网技术迅猛发展并深深融入人们的生产生活中。随着互联网技术在全世界的超速发展,人类社会也正式进入了“网络大数据”时代,但是各种各样携带着隐私的网络数据在发布过程中带来的个人隐私泄漏问题也正日益困扰着人们的生活,采用何种有效的隐私保护机制来发布数据已成为当今隐私保护领域研究的热点。本文采用差分隐私保护机制来发布实时数据流,差分隐私作为当前有效的隐私保护机制之一,已经得到了广泛的应用。目前已有多种算法用来生成满足差分隐私的静态直方图,但针对实时数据流环境下的直方图发布方法却很少,且没有较好地均衡噪声误差和数据可用性。原因在于（1）数据流实时性高,因为它是实时到达的,所以要求对数据进行实时隐私保护后发布;（2）数据流连续性强,它是源源不断到达的,到达时间和速率未知,所以要求能应对连续性的处理模型来发布数据;（3）数据流规模极大,会带来隐私保护上预算分配和直方图计数问题。基于此,本文首先提出了面向数据流的差分隐私直方图发布方法DDHP（Histogram Publication of Dynamic Data）,该方法基于滑动窗口模型实时处理新到达数据,...
【文章来源】：南京邮电大学江苏省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图2.1个人隐私图
根据隐私要求在数据集中剔除选出的数据，全剧抑制既保证了收敛速度又处理速度；局部抑制是通过判断该数据信息的重要程度视情况进行部分删保留，这样数据分析者就不能通过数据之间的关联度来分析数据，但是这成数据本身的缺损，使得数据之间的伪关联程度加强；概化方法保证数据可用性，将概化方法用于数据集中的非敏感数据使得该化后的项加模糊，以此来达到隐私保护的目的[45]。针对数值型的数据，通过概化层分范围，这样就可以吧具体值模糊掉，达到敏感信息隐私保护的目的，而，则采用更大范围的概念来表示[45]。图 2.2 表示年龄的数值型概化层次树到 60 这个范围来表示 40。图 2.3 是表示非数值型的概化层次树，例如可以1-120实体
根据隐私要求在数据集中剔除选出的数据，全剧抑制既保证了收敛速度又处理速度；局部抑制是通过判断该数据信息的重要程度视情况进行部分删保留，这样数据分析者就不能通过数据之间的关联度来分析数据，但是这成数据本身的缺损，使得数据之间的伪关联程度加强；概化方法保证数据可用性，将概化方法用于数据集中的非敏感数据使得该化后的项加模糊，以此来达到隐私保护的目的[45]。针对数值型的数据，通过概化层分范围，这样就可以吧具体值模糊掉，达到敏感信息隐私保护的目的，而，则采用更大范围的概念来表示[45]。图 2.2 表示年龄的数值型概化层次树到 60 这个范围来表示 40。图 2.3 是表示非数值型的概化层次树，例如可以1-120实体
本文编号：2992817
【文章来源】：南京邮电大学江苏省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图2.1个人隐私图
根据隐私要求在数据集中剔除选出的数据，全剧抑制既保证了收敛速度又处理速度；局部抑制是通过判断该数据信息的重要程度视情况进行部分删保留，这样数据分析者就不能通过数据之间的关联度来分析数据，但是这成数据本身的缺损，使得数据之间的伪关联程度加强；概化方法保证数据可用性，将概化方法用于数据集中的非敏感数据使得该化后的项加模糊，以此来达到隐私保护的目的[45]。针对数值型的数据，通过概化层分范围，这样就可以吧具体值模糊掉，达到敏感信息隐私保护的目的，而，则采用更大范围的概念来表示[45]。图 2.2 表示年龄的数值型概化层次树到 60 这个范围来表示 40。图 2.3 是表示非数值型的概化层次树，例如可以1-120实体
根据隐私要求在数据集中剔除选出的数据，全剧抑制既保证了收敛速度又处理速度；局部抑制是通过判断该数据信息的重要程度视情况进行部分删保留，这样数据分析者就不能通过数据之间的关联度来分析数据，但是这成数据本身的缺损，使得数据之间的伪关联程度加强；概化方法保证数据可用性，将概化方法用于数据集中的非敏感数据使得该化后的项加模糊，以此来达到隐私保护的目的[45]。针对数值型的数据，通过概化层分范围，这样就可以吧具体值模糊掉，达到敏感信息隐私保护的目的，而，则采用更大范围的概念来表示[45]。图 2.2 表示年龄的数值型概化层次树到 60 这个范围来表示 40。图 2.3 是表示非数值型的概化层次树，例如可以1-120实体
本文编号：2992817
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2992817.html
