CN104133903A - 一种基于隐私保护的数据索引方法 - Google Patents

一种基于隐私保护的数据索引方法 Download PDF

Info

Publication number
CN104133903A
CN104133903A CN201410379668.1A CN201410379668A CN104133903A CN 104133903 A CN104133903 A CN 104133903A CN 201410379668 A CN201410379668 A CN 201410379668A CN 104133903 A CN104133903 A CN 104133903A
Authority
CN
China
Prior art keywords
node
index
tree
query
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410379668.1A
Other languages
English (en)
Other versions
CN104133903B (zh
Inventor
丁晓锋
金海�
喻青
徐慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201410379668.1A priority Critical patent/CN104133903B/zh
Publication of CN104133903A publication Critical patent/CN104133903A/zh
Application granted granted Critical
Publication of CN104133903B publication Critical patent/CN104133903B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9027—Trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于隐私保护的数据索引方法，属于数据处理技术领域。本发明包括：提出了一种R-tree划分算法，使得任意两个叶子节点之间都没有重叠，在叶子节点上独立地添加噪音使得本地索引PR-tree满足差分隐私；针对选取的部分PR-tree节点，采用了一种映射机制将每一个PR-tree节点映射到相应的CAN服务器上从而构建全局索引。本发明设计了一种基于隐私保护的两层分布式索引PR-CAN给用户提供范围计数查询，不仅能够有效地保护用户隐私安全而且加快了用户查询的速度，提升了查询吞吐率，同时所有查询用户都能够访问云平台上的索引数据，增强了数据的共享程度。

Description

一种基于隐私保护的数据索引方法
技术领域
本发明属于数据处理技术领域，更具体地，涉及一种基于隐私保护的数据索引方法。
背景技术
随着云计算应用的发展，云计算中的隐私保护问题受到越来越多研究者的关注。目前，云计算中面向查询处理的隐私保护技术主要是基于加密的方式。在众多相关研究中，可查询的加密技术能够有效地通过加密的方式保护个体的隐私，允许用户安全地在密文上进行查询。数据拥有者发布到云服务器上的数据是以加密的方式存储的。用户的查询也用相同的方式加密，查询请求发送到云服务器进行查询处理，最后将结果返回给查询用户。但是加密技术也存在一些弊端，例如加密/解密操作的时间开销很大，查询响应时间必然较长，而且只有授权用户能够访问加密后的云数据，数据的共享程度不足。
目前，隐私保护中的匿名化技术及噪音扰乱技术被广泛应用于数据隐私安全领域中，其不需要对数据进行加密/解密操作，同样也能为用户数据提供强隐私保护。近年来，差分隐私已经成为一种新的隐私保护模型，该模型通过向查询或者分析结果中添加噪音以达到隐私保护效果，最常见的算法是采用噪音添加机制，并且这种噪音的添加服从拉普拉斯分布。
为了使查询用户能够更好、更快地访问云平台上的数据，在云平台上构建高效的索引显得尤为重要。目前已经有很多研究者对云计算环境下的分布式索引技术展开了深入的研究。然而，如何在构建索引的同时保护用户数据的隐私，为查询用户提供基于隐私保护的数据发布视图还很少有人研究。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种基于云平台隐私数据的索引方法。数据拥有者将数据托管到云平台上，必须要保证用户的隐私信息不被泄露。同时云平台会对数据建立高效的索引，方便用户进行快速的查询。云数据对所有的用户共享，即所有的用户都可以访问云数据。
为实现上述目的，本发明提供一种基于隐私数据保护的索引方法，包括以下步骤：
步骤1创建基于差分隐私保护的本地索引PR-tree，具体包括以下子步骤：
(1-1)本地数据采用R-tree索引；
(1-2)对所述R-tree索引重新进行划分，使得任意两个叶子节点的范围都不存在相互重叠的情形，且所有叶子节点索引的数据加起来正好是整个数据集；
(1-3)在每一叶子节点索引的数据上独立地添加噪音，创建满足差分隐私要求的本地索引PR-tree；
步骤2构建分布式全局索引PR-CAN，具体包括以下子步骤：
(2-1)采用索引选取算法，从每个本地索引PR-tree上选取部分PR-tree节点形成节点集，其中所述索引选取算法保证选取的节点产生最小的查询开销总和；
(2-2)将选取的每一个PR-tree节点映射到相应的CAN节点上。
通过本发明所构思的以上技术方案，与现有技术相比，本发明具有以下的有益效果：
(1)与现有算法Quad-opt相比，分布式索引PR-CAN在提供同等隐私保护力度的情形下，能够保证更高的数据可用性。这是因为分布式索引PR-CAN采用了R-tree索引方式将数据层面上相隔较近的数据划分到了一个区域中，而不是简单地将数据空间进行分割。另一方面，也是因为分布式索引PR-CAN采用了较好的噪音添加机制，只在互斥的叶子节点上独立地添加了噪音，对上层节点不添加任何噪音；
(2)采用噪音扰乱的方式对数据信息进行了强隐私保护，避开了操作耗时的加密/解密技术。查询用户发送查询请求后，就能较快速地从系统获取查询的结果值，不需要繁琐的交互时间开销；
(3)构建的全局索引并不是全部的PR-tree索引节点，也不是简单地存放在Master节点上，而是选取部分PR-tree节点构建而成，全局索引分布在不同的服务器上，这样能够避免Master节点成为索引查询的性能瓶颈。
附图说明
图1是本发明分布式索引PR-CAN的框架图；
图2是本发明基于隐私保护的数据索引方法的流程图；
图3是本发明构建全局索引PR-CAN的详细流程图；
图4是本发明查询请求的处理流程图；
图5是本发明本地索引PR-tree的查询处理流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1所示为本发明基于隐私保护的分布式索引PR-CAN的框架图。图中的服务器节点按职能分为三种：Master节点、存储节点和CAN节点。分布式存储系统就是由存储节点构成，每一个存储节点负责存放一部分的应用数据，然后在这些数据之上构建一个满足差分的本地索引PR-tree，为用户提供基于隐私保护的范围计数查询。在本地索引PR-tree之上，还构建了一层辅助索引，即全局索引PR-CAN，该全局索引PR-CAN分布式存放于CAN节点之上，并由CAN覆盖网络组织。其中起到关键作用的是Master节点，其负责整个索引的构建和查询处理过程，并且需要实时地和客户端及其他节点保持通信。一方面，Master节点需要将客户端传送来的查询负载按照一定的策略分布式发送给其他节点；另一方面，从每个本地索引上查询到的部分结果最终也要在Master节点上汇集，然后将查询结果返回给客户端。
图2所示为本发明基于隐私保护的数据索引方法的流程图，具体包括以下步骤：
(1)创建基于差分隐私保护的本地索引PR-tree，具体包括以下子步骤：
(1-1)在初始化情况下，本地数据采用R-tree索引，同层节点之间可能存在重叠区域。
(1-2)对R-tree索引重新进行划分，使得任意两个叶子节点的范围都不存在相互重叠的情形，即相当于所有新的叶子节点将整个数据空间做了一个互斥的划分，且每一个叶子节点索引的数据加起来正好是整个数据集，非叶子节点包含的数据个数由其孩子节点所包含的数据求和而得。
(1-3)在每一个新的叶子节点索引的数据上独立地添加噪音，然后将添加了噪音的数据发布出去，使得R-tree索引满足差分隐私保护的要求，以下简称为PR-tree索引。
在本发明实施例中，采用添加噪音的方式实现差分隐私。对于提供ε-差分隐私的随机函数A，只要随机函数A能够满足差分隐私模型的具体要求，攻击者就窃取不了目标对象的隐私信息。具体地，添加的噪音服从参数为s(f)/ε的拉普拉斯分布，其中s(f)为敏感度，ε为隐私预算。
(2)创建基于内容寻址网络(Content Addressable Network，以下简称CAN)的分布式索引PR-CAN，这里PR-CAN索引包含了基于差分隐私保护的本地索引PR-tree和在本地索引之上的一层全局索引。构建的全局索引分布式存放于多台服务器上，这样能够避免将全局索引存放于一台服务器上造成的性能瓶颈。具体包括以下子步骤：
(2-1)采用索引选取算法，从每个本地索引PR-tree上选取部分PR-tree节点形成节点集。该索引选取算法是自适应的，根据给定的具体查询负载，能够保证选取的节点产生最小的查询开销总和。
(2-2)将选取的所有PR-tree节点映射到相应的CAN节点上，每一个PR-tree节点可能拥有多个副本。
(3)执行索引微调算法，调整上述选取的PR-tree节点集以适应实时查询的具体需求。具体地，如果在实时查询中，有些节点被访问的频率过高，就用其孩子节点替换该节点进行发布；如果有些节点被访问的频率过低，就将其用其父亲节点替换该节点进行发布。
图3所示为本发明构建全局索引PR-CAN的详细流程图。在本发明实施例中，给定任意一个本地索引PR-tree和阈值vthrd，具体包含以下步骤：
(1)采用索引选取算法从当前本地索引PR-tree上选取部分PR-tree节点放入集合之中，得到初始化结点集S。假定存储服务器Ni选取了部分PR-tree结点集S，索引选取算法必须保证结点集S的两个特性：完整性(数据t一定能够被PR-tree结点ni检索到)，独一性(给定结点集S中的任意两个PR-tree结点不存在同一条从某个叶子结点到根结点的路径)。
为了更好地说明索引选取算法，引入了查询开销模型，该索引选取算法能够保证针对当前查询获取最小的查询开销。具体地，只考虑单个查询q的查询处理开销模型CP(q)，包含以下三个方面的查询开销：
给定一个查询q，路由到每一个与待查范围相交的CAN节点上的开销是这里N是网络中组织的服务器个数，t是范围与查询q的待查范围有重叠的CAN服务器个数，d是数据维度；
在查询过程中可能出现某个待查CAN节点的全局索引中，没有一个索引项与q的查询范围有重叠，记这种无效的过程开销为这里SFR(Noi)表示CAN节点Noi中与查询范围不相交的所有全局索引项，m是CAN节点的个数；
查询到本地索引后并不是在每一个候选节点上都能够查询到一部分结果，虽然一些候选节点的范围与查询范围有重叠，但也有可能查询不到任何满足条件的结果，这种无效查询过程引发的开销可以用CFT来表示，这里SFT(Nsi)表示选取于Nsi本地索引的所有候选PR-tree节点集，Ns为存储服务器的个数，C为PR-tree节点的最大分支数，hj表示PR-tree节点nj所在本地索引PR-tree的高度(根节点的高度看作0)，则可以看作在以PR-tree节点nj作为根节点的子树上做查询时所经过的总的节点数。
(2)判断结点集S是否为空(即结点集S中的所有节点都处理完成)，是则结束流程，否则执行步骤(3)
(3)对于结点集S中的每一个节点ni，计算其中心点ci和半径Ri。
(4)如果半径Ri＞vthrd，则节点ni将被映射到所有与其范围(即由其中心点和半径计算得出的面积)有重叠的CAN节点上，即CAN节点集合Sn，Sn＝Getoverlapped(n)；反之，如果半径Ri≤vthrd，则节点ni就会被映射到一个范围包含了中心点ci的CAN节点Nc上，Nc＝CAN.lookup(ci)。在本发明实施例中，将节点映射到CAN节点上就是将该节点的一个副本存放在CAN的全局索引之中，副本包含了该节点的全部数据信息，例如MBR、包含的数据个数及所属的PR-tree的根节点地址等等。
(5)对于上述步骤(4)中每一个满足条件的CAN节点，将节点ni作为一个索引项插入到其全局索引之中，再执行步骤(2)。
图4所示为本发明查询请求的处理流程图，针对具体的查询请求下发流程包括以下步骤：
(1)客户端将用户的查询请求下发到Master节点，Master节点根据当前查询的中心点将该查询请求下发到相应的CAN节点上(CAN节点的覆盖范围包含了当前查询的中心点)。
(2)利用CAN网络提供的路由协议，找到所有包含当前查询范围的CAN节点，遍历存放在这些CAN节点上的全局索引，得到候选PR-tree节点集。通过这个候选PR-tree节点集，一定可以得到当前查询的全部结果。
(3)将查询请求并发下放到相应的本地索引上进行查询，本地索引会将查询结果返回给Master节点。
(4)Master节点根据查询的ID号将属于同一查询的所有结果汇总后发送给客户端，到此查询结束。
针对上述图4所示流程中的步骤(3)，图5所示为本发明本地索引PR-tree查询处理过程的流程图。在本发明实施例中，给定查询范围R和PR-tree根节点T，查询处理具体包含以下步骤：
步骤1判断查询范围R是否包含根节点T的最小边界矩形(MinimumBounding Rectangle，以下简称MBR)。如果根节点T的MBR完全包含在查询范围R之中，则将该根节点T索引的数据个数添加到查询结果之中(在本发明实施例中只提供了范围计数查询，因此只需统计查询结果的数据个数)，输出查询结果后结束本次查询过程，否则，执行步骤2；
步骤2判断当前根节点T是否为叶子节点。如果根节点T不是叶子节点，判断该根节点T的每一个分支E是否与查询范围R有重叠区域，如果有重叠区域，则对于每一个与查询范围R有重叠区域的孩子节点Ei，算法将递归执行，根节点T被赋值为Ei，查询范围R不变，然后执行步骤1；如果没有重叠区域，结束本次查询过程。如果根节点T是叶子节点且其MBR与查询范围R存在重叠区域Area(R∩T)，则执行步骤3；
步骤3计算重叠区域Area(R∩T)大小与根节点T的MBR大小的比例然后将该比例f乘以根节点T索引的数据个数后添加到查询结果中并输出查询结果。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于隐私保护的数据索引方法，其特征在于，包括：
步骤1创建基于差分隐私保护的本地索引PR-tree，具体包括以下子步骤：
(1-1)本地数据采用R-tree索引；
(1-2)对所述R-tree索引重新进行划分，使得任意两个叶子节点的范围都不存在相互重叠的情形，且所有叶子节点索引的数据加起来正好是整个数据集；
(1-3)在每一叶子节点索引的数据上独立地添加噪音，创建满足差分隐私要求的本地索引PR-tree；
步骤2构建分布式全局索引PR-CAN，具体包括以下子步骤：
(2-1)采用索引选取算法，从每个本地索引PR-tree上选取部分PR-tree节点形成节点集，其中所述索引选取算法保证选取的节点产生最小的查询开销总和；
(2-2)将选取的每一个PR-tree节点映射到相应的CAN节点上。
2.如权利要求1所述的方法，其特征在于，还包括：
步骤3执行索引微调算法，调整所述步骤(2-1)形成的节点集以适应实时查询的具体需求，如果在实时查询中有些节点被访问的频率过高，就用其孩子节点替换所述节点进行数据发布；如果有些节点被访问的频率过低，就将其用其父亲节点替换所述节点进行数据发布。
3.如权利要求1或2所述的方法，其特征在于，所述步骤(1-3)添加的噪音服从参数为s(f)/ε的拉普拉斯分布，其中s(f)为敏感度，ε为隐私预算。
4.如权利要求1或2所述的方法，其特征在于，所述步骤(2-1)中，所述选取的节点产生的查询开销总和包含以下三个方面的查询开销：
(a)将单个查询q路由到每一个与待查范围相交的CAN节点上的开销是其中N是网络中组织的服务器个数，t是范围与所述查询q的待查范围有重叠的CAN服务器个数，d是数据维度；
(b)在查询过程中可能出现某个待查CAN节点的全局索引中，没有一个索引项与所述查询q的查询范围有重叠，记这种无效的过程开销为其中SFR(Noi)表示CAN节点Noi中与查询范围不相交的所有全局索引项，m是CAN节点的个数；
(c)虽然某些候选节点的范围与所述查询q的查询范围有重叠，但也有可能查询不到任何满足条件的结果，记这种无效查询过程引发的开销为其中SFT(Nsi)表示选取于Nsi本地索引的所有候选PR-tree节点集，Ns为存储服务器的个数，C为PR-tree节点的最大分支数，hj表示PR-tree节点nj所在本地索引PR-tree的高度，则可以看作在以所述PR-tree节点nj作为根节点的子树上做查询时所经过的总的节点数。
5.如权利要求1或2所述的方法，其特征在于，所述步骤(2-2)具体包括以下子步骤：
(2-2-1)判断所述步骤(2-1)形成的所述结点集是否为空，是则结束流程，否则执行步骤(2-2-2)；
(2-2-2)对于结点集中的每一个PR-tree节点ni，计算其中心点ci和半径Ri；
(2-2-3)对于给定的阈值vthrd，如果Ri＞vthrd，则所述PR-tree节点ni将被映射到所有与其范围有重叠的CAN节点上；如果Ri≤vthrd，则所述PR-tree节点ni就会被映射到一个范围包含了所述中心点ci的CAN节点上；
(2-2-4)对于所述步骤(2-2-3)中每一个满足条件的CAN节点，将所述PR-tree节点ni作为一个索引项插入到其全局索引之中，再执行步骤(2-2-1)。
6.如权利要求1或2所述的方法，其特征在于，所述步骤(1-3)中所述本地索引PR-tree的查询处理具体包括以下步骤：
步骤A判断查询范围R是否包含根节点T的最小边界矩形，如果所述根节点T的所述最小边界矩形完全包含在所述查询范围R之中，则将所述根节点T索引的数据个数添加到查询结果之中，输出查询结果后流程结束，否则执行步骤B；
步骤B判断所述根节点T是否为叶子节点，如果所述根节点T不是叶子节点，判断所述根节点T的每一个分支E是否与所述查询范围R有重叠区域，如果有重叠区域，则对于每一个与所述查询范围R有重叠区域的孩子节点Ei，算法将递归执行，所述根节点T被赋值为Ei，所述查询范围R不变，然后执行所述步骤A；如果没有重叠区域，则流程结束；如果所述根节点T是叶子节点且所述最小边界矩形与所述查询范围R存在重叠区域Area(R∩T)，则执行步骤C；
步骤C计算所述重叠区域Area(R∩T)大小与所述根节点T的所述最小边界矩形大小的比例然后将所述比例f乘以所述根节点T索引的数据个数后添加到查询结果中并输出查询结果。
CN201410379668.1A 2014-08-04 2014-08-04 一种基于隐私保护的数据索引方法 Active CN104133903B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410379668.1A CN104133903B (zh) 2014-08-04 2014-08-04 一种基于隐私保护的数据索引方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410379668.1A CN104133903B (zh) 2014-08-04 2014-08-04 一种基于隐私保护的数据索引方法

Publications (2)

Publication Number Publication Date
CN104133903A true CN104133903A (zh) 2014-11-05
CN104133903B CN104133903B (zh) 2017-05-17

Family

ID=51806581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410379668.1A Active CN104133903B (zh) 2014-08-04 2014-08-04 一种基于隐私保护的数据索引方法

Country Status (1)

Country Link
CN (1) CN104133903B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512247A (zh) * 2015-11-30 2016-04-20 上海交通大学 基于一致性特征的非交互式差分隐私发布模型的优化方法
CN105718740A (zh) * 2016-01-24 2016-06-29 辽宁工程技术大学 一种确定系统可靠性运行环境的方法
CN105740727A (zh) * 2016-02-02 2016-07-06 上海斐讯数据通信技术有限公司 隐私数据的分布式存储方法及系统
CN108537055A (zh) * 2018-03-06 2018-09-14 南京邮电大学 一种数据查询隐私保护的隐私预算分配和数据发布方法及其系统
CN109726594A (zh) * 2019-01-09 2019-05-07 南京航空航天大学 一种基于差分隐私的新型轨迹数据发布方法
CN109726758A (zh) * 2018-12-28 2019-05-07 辽宁工业大学 一种基于差分隐私的数据融合发布算法
CN110022531A (zh) * 2019-03-01 2019-07-16 华南理工大学 一种本地化差分隐私城市垃圾数据报告和隐私计算方法
CN110134879A (zh) * 2019-03-06 2019-08-16 辽宁工业大学 一种基于差分隐私保护的兴趣点推荐算法
CN113868242A (zh) * 2020-06-30 2021-12-31 中兴通讯股份有限公司 全局索引的分布策略调整方法、计算机设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101241511A (zh) * 2008-03-05 2008-08-13 北京邮电大学 一种基于时空数据的快速索引方法
US8204313B2 (en) * 2007-08-30 2012-06-19 Leica Geosystems Ag Rapid, spatial-data viewing and manipulating including data partition and indexing
CN103279499A (zh) * 2013-05-09 2013-09-04 北京信息科技大学 个性化信息检索中用户隐私保护方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8204313B2 (en) * 2007-08-30 2012-06-19 Leica Geosystems Ag Rapid, spatial-data viewing and manipulating including data partition and indexing
CN101241511A (zh) * 2008-03-05 2008-08-13 北京邮电大学 一种基于时空数据的快速索引方法
CN103279499A (zh) * 2013-05-09 2013-09-04 北京信息科技大学 个性化信息检索中用户隐私保护方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIAOFENG DING ET.AL: ""Distributed Anonymization for Multiple Data Providers in a Cloud System"", 《INTERNATIONAL CONFERENCE ON DATABASE SYSTEMS FOR ADVANCED APPLICATIONS》 *
张啸剑 等: ""面向数据发布和分析的差分隐私保护"", 《计算机学报》 *
朱青 等: ""面向查询服务的数据隐私保护算法"", 《计算机学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512247A (zh) * 2015-11-30 2016-04-20 上海交通大学 基于一致性特征的非交互式差分隐私发布模型的优化方法
CN105512247B (zh) * 2015-11-30 2019-03-08 上海交通大学 基于一致性特征的非交互式差分隐私发布模型的优化方法
CN105718740A (zh) * 2016-01-24 2016-06-29 辽宁工程技术大学 一种确定系统可靠性运行环境的方法
CN105740727A (zh) * 2016-02-02 2016-07-06 上海斐讯数据通信技术有限公司 隐私数据的分布式存储方法及系统
CN108537055A (zh) * 2018-03-06 2018-09-14 南京邮电大学 一种数据查询隐私保护的隐私预算分配和数据发布方法及其系统
CN109726758A (zh) * 2018-12-28 2019-05-07 辽宁工业大学 一种基于差分隐私的数据融合发布算法
CN109726758B (zh) * 2018-12-28 2021-01-08 辽宁工业大学 一种基于差分隐私的数据融合发布算法
CN109726594A (zh) * 2019-01-09 2019-05-07 南京航空航天大学 一种基于差分隐私的新型轨迹数据发布方法
CN109726594B (zh) * 2019-01-09 2023-07-18 南京航空航天大学 一种基于差分隐私的新型轨迹数据发布方法
CN110022531A (zh) * 2019-03-01 2019-07-16 华南理工大学 一种本地化差分隐私城市垃圾数据报告和隐私计算方法
CN110134879A (zh) * 2019-03-06 2019-08-16 辽宁工业大学 一种基于差分隐私保护的兴趣点推荐算法
CN113868242A (zh) * 2020-06-30 2021-12-31 中兴通讯股份有限公司 全局索引的分布策略调整方法、计算机设备及存储介质
WO2022001742A1 (zh) * 2020-06-30 2022-01-06 中兴通讯股份有限公司 全局索引的分布策略调整方法、计算机设备及存储介质

Also Published As

Publication number Publication date
CN104133903B (zh) 2017-05-17

Similar Documents

Publication Publication Date Title
CN104133903A (zh) 一种基于隐私保护的数据索引方法
Mechtri et al. A scalable algorithm for the placement of service function chains
CN110287392B (zh) 一种基于安全划分树的安全空间网络查询方法
CN107483286B (zh) 一种基于云-雾环境下合并和部署服务功能链的方法
CN102457555A (zh) 一种分布式存储的安全系统及方法
US11113114B2 (en) Distributed object placement, replication, and retrieval for cloud-scale storage and data delivery
Al Azad et al. The promise and challenges of computation deduplication and reuse at the network edge
Um et al. An advanced cloaking algorithm using Hilbert curves for anonymous location based service
CN105357322A (zh) 一种基于拓扑划分的虚拟机分配方法
CN101465875B (zh) 一种基于网络定位的负载均衡方法
CN107798106A (zh) 一种分布式爬虫系统中的url去重方法
Poularakis et al. Optimal cooperative content placement algorithms in hierarchical cache topologies
CN101902388A (zh) 可扩充的多级排序资源快速发现技术
Orda et al. Efficient Routing for Overlay Networks in a Smart Grid Context.
Xu et al. A large-scale object-based active storage platform for data analytics in the internet of things
CN116340278A (zh) 一种面向移动物联网的区块链上空间数据可认证共享方法
Hassanzadeh-Nazarabadi et al. DHT-based edge and fog computing systems: infrastructures and applications
Lu et al. Security and privacy challenges in vehicular cloud computing
CN104980493A (zh) 一种基于主动缓存算法的发现服务方法
Tziritas et al. On improving constrained single and group operator placement using evictions in big data environments
CN113553613A (zh) 一种基于深度强化学习和区块链的空间众包方法
CN103944831A (zh) 负载均衡方法及系统
March et al. Multi-attribute range queries on read-only DHT
CN109862507B (zh) 一种大范围车辆密度检测方法及系统
CN106202303A (zh) 一种Chord路由表压缩方法及优化文件查找方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant