当前位置:主页 > 科技论文 > 软件论文 >

面向动态网络的隐私保护方法研究

发布时间:2021-01-29 22:14
  近年来,随着互联网技术的飞速发展,我们已经进入了大数据时代,大数据是依赖于互联网平台而产生的规模巨大的数据集,且有着海量规模、变化迅速、价值密度低、种类繁多等特点。在我们的日常生活中,随着各种数据在网络上肆意传播,接踵而来的是日益严重的用户隐私信息泄露问题,大大小小的公司或组织或多或少地都经历过来自于恶意应用、木马等互联网攻击,从而导致其用户数据流出。因此,隐私保护问题已经成为众多研究学者关注的热点问题。现有的隐私保护研究成果大多数都是针对静态社会网络中的静态数据,然而实际上,我们在社会网络中发布的数据是时时刻刻都在变化的,更趋近于动态社会网络。对于动态社会网络中规模较大、流动迅速的流式数据,目前采用的方法仅仅是直接应用静态数据的隐私保护算法,这样虽然在某一时刻能够很好的保护用户隐私,但是一旦攻击者利用发布在多个时间片下的数据进行联合攻击,那么就很容易暴露隐私信息。本文针对以上问题,提出一种面向动态网络的隐私保护模型。首先,提出了一种隐私风险主动监测机制,基于贝叶斯网络在分析不确定性问题的优势分析并预测动态社会网络在下一时刻的状态,根据概率模型推测用户隐私泄露的概率从而决定是否采取隐私... 

【文章来源】:哈尔滨工程大学黑龙江省 211工程院校

【文章页数】:63 页

【学位级别】:硕士

【部分图文】:

面向动态网络的隐私保护方法研究


Laplace概率密度函数b.指数机制

贝叶斯网络,示例


.2 贝叶斯网络的结构贝叶斯网络通过有向图的形式来表示随机变量间的因果关系,并通过条将这种因果关系量化。一个贝叶斯网络一般由网络结构和条件概率表两[46],数学表达式为二元组 B(G,P)。其中网络结构 G 表示的是一个有向它也是由两部分组成,表达式可以写作 G=(V,A),其中 V={V1,V2, 叶斯网络的节点,n≥1,A 是网络中节点连接弧的集合。Xi可以看做有中某个节点 Vi的随机变量,X={X1,X2, ,Xn}是随机变量集合。P 是络中的条件概率表(Conditional Probabilty Tables,CPT),变量之间的关系来表示。同时,P(X 丨 Parents(X))用于表示某个节点的父节点对该节点Parents(X)为 X 节点的父节点,如果某个节点没有父节点时,该节点的表表示的就是其先验概率。图 2.4 就是一个简单而典型的贝叶斯网络:


本文编号:3007699

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3007699.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户efa83***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com