针对传统k度匿名隐私保护方法严重破坏图结构和无法抵抗结构性背景知识攻击的冋题，提岀改进的k度名隐私保护方法。引入社区的概念，将节点划分为社区内节点和连接社区的边缘节点两类，通过区分不同节点的重要实现社区内节点的度匿名和边缘节点的社区序列匿名，从而完成整个社交网络的k度匿名。实验结果表明，该方法可降低数据实用性损失，抵抗以节点的度和节点所在社区关系为背知识的攻击，提升隐私保护力度。
2021-12-07 19:05:43
2.6MB
1
k-匿名隐私保护模型中,k取值同时影响着k-匿名表的隐私保护程度和数据质量,因此,如何选择k值以达到隐私保护和数据质量的共赢具有重要意义.在对k取值和隐私保护、数据质量关系分析和证明的基础上,根据不同情况下的k-匿名表隐私泄露概率公式,对满足隐私保护要求的k取值范围进行了分析;根据k-匿名表的数据质量公式对满足数据质量要求的k取值范围进行了分析.根据满足隐私保护和数据质量要求的k取值之间的关系,给出了k值的优化选择算法.
2021-12-02 13:23:56
560KB
1
随着物联网、大数据和 5G 网络的快速发展和广泛应用，传统的云计算无法处理网络边缘设备所产生的海量数据，因此，边缘计算应运而生。然而，由于边缘计算的内容感知、实时计算、并行处理等开放特性，使在云计算环境下就已经存在的数据安全与隐私问题变得更加突出。阐述了边缘计算中数据安全与隐私保护的研究背景，提出以数据安全为中心的研究体系架构。围绕数据安全、访问控制、身份认证和隐私保护等关键技术，综述了近年来提出的可能适用于边缘计算数据安全与隐私保护的最新研究成果，并就方案的可扩展性和适用性进行分析讨论。此外，介绍了一些目前比较适用的边缘计算实例。最后，指出一些重要的研究方向和研究建议。
2021-11-30 10:59:52
857KB
1
大数据(Big Data)是当前学术界和产业界的研究热点，正影响着人们日常生活方式、工作习惯及思考模
式．但目前大数据在收集、存储和使用过程中面临着诸多安全风险，大数据所导致的隐私泄露为用户带来严重困
扰，虚假数据将导致错误或无效的大数据分析结果．该文分析了实现大数据安全与隐私保护所面临的技术挑战，整
理了若干关键技术及其最新进展．分析指出大数据在引入安全问题的同时，也是解决信息安全问题的有效手段．它
为信息安全领域的发展带来了新的契机．
2021-11-30 10:53:29
1.83MB
1
数据规模、数据复杂性快速膨胀，如何在大数据时代保障信息安全是现实而迫切的需求
大数据访问模式与安全挑战
造成用户隐私信息泛滥的原因很多，涉及用户、黑客与犯罪分子、服务提供商等多方面因素
上述问题的根治离不开配套法规、政策的支持与严格的管理手段，但更需要有可信赖的技术手段支持
挑战1：用户身份匿名保护难
问题：用户身份重识别攻击以及行为模式挖掘技术的发展，导致用户身份匿名保护更加困难
挑战2：敏感信息保护难
问题：基于数据挖掘与深度学习等人工智能方法，用户敏感信息易被推测
挑战3：隐私信息安全管控难
问题：用户隐私信息被采集后，数据控制权转移到网络服务商，而其缺乏足够技术手段保证隐私数据的安全存储、受控使用与传播，导致用户隐私数据被非授权使用、传播或滥用
2021-11-24 10:28:40
4.1MB
1
隐私泄露问题已经成为阻碍基于位置的服务（location-based services，LBS）进一步发展的原因。针对当LBS用户发送查询时，用户的个人隐私可能会泄露给攻击者的问题，提出了基于遗传算法的空间网格划分的隐私保护算法（GAGP）。算法包括两个方法，即地图分割算法和假名生成法。地图分割算法利用遗传算法给每个网格赋权值，再通过使用邻接网格扩展的方法，保证每个划分区域的查询频率基本相等。假名生成法是用户在每次发送查询时使用假名来应对长期统计的攻击方式。通过实验证明所提算法与其他三种算法相比结果较好，所以提出的方案能够有效地保护用户的隐私。
2021-11-21 14:22:22
1.4MB
1