隐私计算发展综述 系统性描述

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数据价值释放与隐私保护计算应用研究报告

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。

数据安全与隐私保护技术研究数据安全与隐私保护技术研究数据安全与隐私保护技术研究数据安全与隐私保护技术研究数据安全与隐私保护技术研究

大数据是当前学术 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

对论文SecureML的一些自己的理解，利用秘密分享来进行机器学习训练，从而保证数据的隐私性。

brave是比chrome快N倍的浏览器。Brave是一款具有强大广告拦截功能的浏览器，由Mozilla的前任CEO Eich开发，基于Chromium内核，不但能够拦截网页广告，还拥有隐私保护、HTTPS Everywhere等功能，并且提供的的私有云可以用匿名广告取代网站原来广告，可以说一切广告在该浏览器下都不存在，由于所有广告都被拦截了，大大提供了网页的加载和浏览速度，给用户带来更好的网页浏览体验。

机器学习中的隐私保护综述

面向云环境的隐私保护排序方法之软件工程分析.docx