区块链是一种具有去中心化、安全可信、防篡改和可编程等特点的分布式账本技术。区块链系统的公开
透明特性使用户交易隐私受到严重威胁，针对此问题设计了不同应用场景相应的隐私问题解决方案。首先介绍区
块链技术且基本工作原理，并介绍区块链中典型的隐私问题，如交易隐私问题和账户隐私问题；其次，将现有典型
的区块链隐私保护方案分为3 种，即混币方案、密码学方案和安全通道方案，并对这3 种区块链隐私保护技术方案
进行综合而全面的介绍；最后，对区块链数据隐私保护技术进行分析并展望其在物联网安全领域的应用与发展。
2022-03-17 22:26:27
1.05MB
1
忽如一夜春风来，正当智能手机领域呈现白热化的分庭抗礼之势时，可穿戴设备浪潮冲击移动互联网市场。目前可穿戴设备不少，可穿戴市场是否能成为下一个创新蓝海市场，不仅仅是产品自身，将是人体关怀和隐私保护的问题了？可穿戴设备在近两年成为了一个热的发烫的话题，自从GoogleGlass发布以来，移动可穿戴设备概念成为了市场中的焦点。有人甚至认为可穿戴设备将代替以智能手机为代表的移动设备潮流，进一步智能化、简便化人们的生活和工作。谷歌眼镜、健康手环、智能腕带、智能手表等等。硬件能力的微型化和高性能演进，尤其是无线网络的技术的深耕密植，让技术应用的概念更加紧密围绕在人的
2022-03-17 20:47:46
89KB
1
联邦学习是一种新型的分布式学习框架，它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。
2022-03-08 17:02:42
1.73MB
1
区块链隐私保护的关注点包括隐私相关数据收集、数据存储、数据迁移、数据备份和恢复、数据应用、数据纰漏和数据处置。
2022-02-28 15:44:12
3.72MB
1
目前大部分隐私保护关系型数据发布算法均未能有效兼顾算法效率和发布数据的可用性.从空间多维划分的角度研究关系型数据发布中的隐私保护问题，发现前期研究提出的基于子空间划分的隐私保护最优k-匿名动态规划算法（k-ASPDP）可适用于多种隐私保护机制，进而设计出一种基于多维划分的隐私保护关系型数据发布动态规划算法框架Bottom-Up MG，并针对动态规划算法k-ASPDP空间复杂度较大的不足，提出一个空间可扩展性强的混合k-匿名化算法k-ASPDP+.实验分别对以l-多样性为隐私保护机制的Bottom-Up M
2022-02-04 08:03:34
515KB
1
km-匿名可以抵制长度为m的背景知识攻击,然而现有的匿名化算法在泛化处理时,优先选择支持度最小的位置点进行处理,未考虑泛化造成的变形度。随着m值的增大,轨迹变形度会变大。针对该问题,提出2种匿名化算法:最小变形度贪心算法和基于先验原则的最小变形度贪心算法,2种算法优先选择变形度最小的位置点进行泛化,使得泛化所造成的变形度更小,并给出匿名轨迹可用性度量方法,对数据可用性和算法效率进行分析。实验结果表明,与现有的匿名化算法相比,2种算法均可生成可用性更高的匿名轨迹。
2022-02-04 07:22:50
377KB
1
随着大数据共享时代的到来，数据隐私保护问题也随之突显。自 2006 年提出以来，差分隐私技术在支持隐私保护的数据挖掘与数据发布方面得到了广泛研究。近年来，Google、Apple 等公司陆续将差分隐私技术应用于最新产品中，差分隐私技术再次成为学术界和产业界的焦点。首先，对传统集中式模型下的差分隐私技术进行综述，介绍了面向数据挖掘与数据发布的差分隐私技术。然后，着重对最新的基于本地差分隐私模型下的数据收集与数据分析进行阐述，涉及众包模型下的随机响应、BloomFilter、统计推断等技术。最后，对差分隐私技术面临的主要问题和解决方案进行总结。
2022-01-21 15:33:22
769KB
1
云平台存储和处理大规模社交网络数据的日益普及，如果我们不注意使用云平台的方法，隐私泄露将成为一个严重的问题。 本文提出了一种分布式k自同构算法和一种分布式子图匹配方法，该分布式k自同构算法可以通过添加噪声边缘来确保k自同构和分布式，从而有效地保护云平台中社交网络的隐私。子图匹配方法可以快速获得临时子图匹配结果。 将临时结果加入后，我们可以根据客户端中k自同构图和k自同构函数的对称性，通过对临时结果进行恢复和过滤来获得正确的结果。 我们还提出了一种改进的方法，该方法利用增量思想来解决动态子图匹配的问题。 实验表明，上述方法对于处理大规模社交网络图问题是有效的，并且可以有效解决子图匹配的隐私泄露问题。
2022-01-10 23:14:54
1.51MB
1