基于多样性聚类的个性化隐私保护技术研究与应用

发布时间：2021-05-26 10:32

　　大数据时代,越来越多的用户通过互联网建立联系,形成了数据庞大且结构复杂的社交网络,为数据分析和数据挖掘研究提供强大信息资源的同时,也为网络攻击者提供了便捷。隐私保护技术能够阻止网络攻击者对目标节点实行重识别攻击,防止隐私信息被窃取。由于不同用户具有不同的隐私保护需求和偏好,这需要为其定义隐私保护需求,限定隐私信息的保护程度和使用方式,提供个性化的隐私保护。论文从社交网络的图结构和具体数据记录两方面,研究了个性化隐私保护技术。根据图结构的连接指纹信息（Connection Fingerprint,CFP）,论文计算了节点的隐私保护需求度,用于标识节点的不同隐私保护偏好,同时结合多样性聚类（7）-diversity),研究了针对图结构信息的个性化隐私保护技术。社交网络中的节点存在的多种敏感属性,论文通过各个属性对应的继承分类树,计算节点和数据记录的个性化隐私保护需求度,研究了针对图节点数据记录的个性化隐私保护技术。论文详细分析了算法的设计思想和实现过程,采用标准数据集对其进行了实验对比,并将其应用于某医疗器械供应链系统,验证了技术的有效性和可用性。具体来讲,论文的主要工作有以下几个方面。（... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 论文的研究内容
    1.4 论文的结构安排
    1.5 本章小结
第2章 相关概念介绍
    2.1 社交网络相关概念
    2.2 隐私保护技术
    2.3 个性化隐私保护技术
    2.4 本章小结
第3章 基于多样性聚类的社交网络图结构个性化隐私保护
    3.1 相关背景及存在问题
    3.2 方法概述
    3.3 CFP个性化需求度设置
    3.4 CFP个性化聚类方法
    3.5 防止CFP攻击的个性化构造方法
    3.6 实验结果及分析
    3.7 本章小结
第4章 基于多样性聚类的多敏感属性个性化隐私保护
    4.1 相关背景及存在问题
    4.2 方法概述
    4.3 多维敏感属性记录集构造方法
    4.4 个性化需求度设置
    4.5 面向多维敏感属性的l-diversity个性化聚类方法
    4.6 实验结果及分析
    4.7 本章小结
第5章 个性化隐私保护在医疗器械供应链网络中的应用
    5.1 相关背景及意义
    5.2 系统主要模块及功能介绍
    5.3 隐私保护应用的相关流程
    5.4 供应链网络图结构的隐私保护实现
    5.5 供应链网络数据记录的隐私保护实现
    5.6 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间的研究成果目录
致谢


【参考文献】：
期刊论文
[1]个性化（α,l）-多样性k-匿名隐私保护模型[J]. 曹敏姿,张琳琳,毕雪华,赵楷.  计算机科学. 2018(11)
[2]移动医疗中个性化l-多样性匿名隐私保护模型[J]. 李文,黄丽韶,罗恩韬.  计算机科学与探索. 2018(05)
[3]盘点:2017年国内外重大数据泄露事件[J]. 本刊编辑部.  中国信息安全. 2018(03)
[4]Release Connection Fingerprints in Social Networks Using Personalized Differential Privacy[J]. LI Yongkai,LIU Shubo,LI Dan,WANG Jun.  Chinese Journal of Electronics. 2018(05)
[5]无线网络的中间人攻击研究[J]. 刘桂泽,耿琛.  信息安全研究. 2016(04)
[6]信息安全供应链的安全[J]. 蒋鲁宁.  中国信息安全. 2014(03)
[7]基于敏感属性值语义桶分组的t-closeness隐私模型[J]. 张健沛,谢静,杨静,张冰.  计算机研究与发展. 2014(01)
[8]大数据安全与隐私保护[J]. 冯登国,张敏,李昊.  计算机学报. 2014(01)
[9]社会网络数据发布隐私保护技术综述[J]. 刘向宇,王斌,杨晓春.  软件学报. 2014(03)
[10]数据发布中的个性化隐私匿名技术研究[J]. 王波,杨静.  计算机科学. 2012(04)



本文编号：3206226