2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、近年來數(shù)據(jù)共享開放的快速發(fā)展,引發(fā)了人們對自身隱私泄露的擔(dān)憂。身份認(rèn)證、權(quán)限控制等傳統(tǒng)的數(shù)據(jù)庫安全措施,只能防止敏感信息被用戶直接獲取,間接推理獲得敏感屬性的行為很難得到預(yù)防。
  差分隱私定義了一個極為嚴(yán)格的攻擊模式,獨立于背景知識,并且對隱私泄露風(fēng)險給出了嚴(yán)謹(jǐn)、定量化的表示和證明,在隱私保護數(shù)據(jù)發(fā)布方面表現(xiàn)較優(yōu)。論文從分析數(shù)據(jù)發(fā)布存在的問題入手,通過自適應(yīng)隱私預(yù)算分配和等差加噪,提高數(shù)據(jù)發(fā)布過程的隱私保護力度,通過設(shè)計合理的屬

2、性細(xì)分方案,保證發(fā)布數(shù)據(jù)集的效用性,研究了基于差分隱私的決策樹數(shù)據(jù)發(fā)布相關(guān)技術(shù)。論文的具體內(nèi)容主要包括以下幾個方面。
  介紹了差分隱私保護模型的基本理論和實現(xiàn)隱私保護的原理,重點介紹了差分隱私保護的指數(shù)機制和噪聲機制,分析了在這兩種機制中,不同的隱私預(yù)算分配方案,對隱私保護的有效性和數(shù)據(jù)效用性的影響。
  研究了自適應(yīng)分配隱私預(yù)算技術(shù)。通過計算當(dāng)前決策樹的規(guī)模,定量分配隱私預(yù)算,克服了已有算法均勻分配隱私預(yù)算的缺點,解決了

3、已有算法隱私預(yù)算分配不合理的問題,通過延長的生命周期,提高了隱私保護的力度。合理的隱私預(yù)算分配,可以提高指數(shù)機制的效率。在連續(xù)屬性較多時,算法需要維護規(guī)模巨大的細(xì)分方案集,這導(dǎo)致指數(shù)機制效率下降。對此,論文提出了基于權(quán)重委托的細(xì)分方案選擇技術(shù)。通過計算連續(xù)屬性區(qū)間特定點的權(quán)重,乘以區(qū)間長度代表本區(qū)間方案的可用性水平,參與最優(yōu)方案選擇,從而克服了指數(shù)機制效率低的問題。
  直接發(fā)布屬性細(xì)分生成的等價類會導(dǎo)致隱私泄露,通過對數(shù)據(jù)添加噪

4、聲,擾動真實數(shù)據(jù),實現(xiàn)隱私保護。論文進一步研究了基于拉普拉斯機制的異步等差加噪技術(shù)。基于等差模式,將單一形式的噪聲轉(zhuǎn)化成代數(shù)計算的形式,定量添加到等價類中,克服了現(xiàn)有算法噪聲冗余的缺點。采用后置處理技術(shù),優(yōu)化加噪后的決策樹,降低了分類誤差,提高了決策樹的分類準(zhǔn)確率。
  采用標(biāo)準(zhǔn)數(shù)據(jù)集,以分類準(zhǔn)確率和隱私保護水平作為評價指標(biāo),對相關(guān)技術(shù)和算法進行了實驗測試。實驗結(jié)果的分類準(zhǔn)確率在80%以上,能夠保留數(shù)據(jù)的原始特性,驗證了論文提出的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論