當今全世界的科技革命處在歷史的交匯點,互聯(lián)網技術迅猛發(fā)展并深深融入人們的生產生活中。隨著互聯(lián)網技術在全世界的超速發(fā)展,人類社會也正式進入了“網絡大數據”時代,但是各種各樣攜帶著隱私的網絡數據在發(fā)布過程中帶來的個人隱私泄漏問題也正日益困擾著人們的生活,采用何種有效的隱私保護機制來發(fā)布數據已成為當今隱私保護領域研究的熱點。本文采用差分隱私保護機制來發(fā)布實時數據流,差分隱私作為當前有效的隱私保護機制之一,已經得到了廣泛的應用。目前已有多種算法用來生成滿足差分隱私的靜態(tài)直方圖,但針對實時數據流環(huán)境下的直方圖發(fā)布方法卻很少,且沒有較好地均衡噪聲誤差和數據可用性。原因在于（1）數據流實時性高,因為它是實時到達的,所以要求對數據進行實時隱私保護后發(fā)布;（2）數據流連續(xù)性強,它是源源不斷到達的,到達時間和速率未知,所以要求能應對連續(xù)性的處理模型來發(fā)布數據;（3）數據流規(guī)模極大,會帶來隱私保護上預算分配和直方圖計數問題。基于此,本文首先提出了面向數據流的差分隱私直方圖發(fā)布方法DDHP（Histogram Publication of Dynamic Data）,該方法基于滑動窗口模型實時處理新到達數據,... 

【文章來源】：南京郵電大學江蘇省

【文章頁數】：80 頁

【學位級別】：碩士

【部分圖文】：

圖2.1個人隱私圖

根據隱私要求在數據集中剔除選出的數據，全劇抑制既保證了收斂速度又處理速度；局部抑制是通過判斷該數據信息的重要程度視情況進行部分刪保留，這樣數據分析者就不能通過數據之間的關聯(lián)度來分析數據，但是這成數據本身的缺損，使得數據之間的偽關聯(lián)程度加強；概化方法保證數據可用性，將概化方法用于數據集中的非敏感數據使得該化后的項加模糊，以此來達到隱私保護的目的[45]。針對數值型的數據，通過概化層分范圍，這樣就可以吧具體值模糊掉，達到敏感信息隱私保護的目的，而，則采用更大范圍的概念來表示[45]。圖 2.2 表示年齡的數值型概化層次樹到 60 這個范圍來表示 40。圖 2.3 是表示非數值型的概化層次樹，例如可以1-120實體

根據隱私要求在數據集中剔除選出的數據，全劇抑制既保證了收斂速度又處理速度；局部抑制是通過判斷該數據信息的重要程度視情況進行部分刪保留，這樣數據分析者就不能通過數據之間的關聯(lián)度來分析數據，但是這成數據本身的缺損，使得數據之間的偽關聯(lián)程度加強；概化方法保證數據可用性，將概化方法用于數據集中的非敏感數據使得該化后的項加模糊，以此來達到隱私保護的目的[45]。針對數值型的數據，通過概化層分范圍，這樣就可以吧具體值模糊掉，達到敏感信息隱私保護的目的，而，則采用更大范圍的概念來表示[45]。圖 2.2 表示年齡的數值型概化層次樹到 60 這個范圍來表示 40。圖 2.3 是表示非數值型的概化層次樹，例如可以1-120實體


本文編號：2992817