2022年中国隐私计算行业研究报告.pdf

基于差分隐私保护技术的多方求和查询方法.docx

大数据安全、隐私保护与隐私计算.pdf

基于匿名化技术的理论基础，采用DBSCAN聚类算法对数据记录进行聚类，实现将个体记录匿名化隐藏于一组记录中。为提高隐私保护程度，对匿名化划分的数据添加拉普拉斯噪声，扰动个体数据真实值，以实现差分隐私保护模型的要求。通过聚类，分化查询函数敏感性，提高数据可用性。对算法隐私性进行证明，并实验说明发布数据的可用性。

基于差分隐私的协同过滤推荐系统的设计与实现.pdf

七分实验报告加最后的复习资料

推荐系统已经成为Internet商家给用户提供个性化服务的高级商务智能平台之一，然而，用于研究推荐系统的数据信息里往往存在能够被攻击者直接或者间接获取的个人隐私。近年来受到极大关注的差分隐私保护是一种非常严格的、可证明的隐私保护模型。针对目前流行的协同过滤算法之一的矩阵分解进行了研究，提出了采用差分隐私保护技术对原始输入数据进行预处理和扰动处理的新方法。最后通过在真实数据集上进行相关实验验证，结果表明提出的带差分隐私保护的矩阵分解算法达到了预期：既能保护用做推荐研究的原始数据集的隐私，又没有严重影响推荐的准确率。

基于云存储的XML隐私保护模型的论文 目录 第一章 绪论 1.1选题的背景与意义 1.2 研究现状 1.3主要研究的内容和章节安排 第二章 XML 基础知识 2.1 XML概念及基本特点 2.2 XML的结构定义文件 2.2.1 DTD 2.2.2 XML Schema 2.3 XML 常用的查询语言 2.3.1 Xpath 2.3.2 XQuery 第三章 现有的XML隐私保护技术 3.1 访问控制技术 3.1.1 自主访问控制。 3.1.2 强制访问控制 3.1.3 基于角色的访问控制 3.2 加密技术 3.2.1 常用的对称加密算法 3.2.2 常用的非对称加密算法 第四章 基于云存储的XML隐私保护模型 4.1 模型的建立及组成 4.2 云端功能模块设计 4.2.1 云的概念及功能 4.2.1 云在此模型中的作用 4.3 云端模块的具体实现 4.3.1 信息的存储形式 4.3.2 信息的查询过程 4.4 模型实现中的通信流程 4.4.1 用户与TTP 4.4.2 用户与云 第五章 模型的软件模拟及实验数据 总结与展望 致 谢 参考文献 附录

差分隐私保护通过添加噪声使数据失真, 从而起到保护隐私的目的, 对于一个严格定义下的攻击模型, 其具有添加噪声少、隐私泄露风险低的优点。介绍了差分隐私保护的理论基础和最新研究进展, 详细阐述了分类、聚类等差分隐私学习方法的最新研究情况, 介绍了一个差分隐私保护的应用框架PINQprivacy integrated queries, 并对未来的研究发展方向进行了展望。

博弈论数据隐私保护：均衡与定价 关于博弈论的一系列定义与描述，并将之与数据隐私保护技术相结合，讲博弈论应用到隐私保护之中，最大化个人大数据的隐私保护