CN110909375B - 一种保留分布特征的地址脱敏方法 - Google Patents
一种保留分布特征的地址脱敏方法 Download PDFInfo
- Publication number
- CN110909375B CN110909375B CN201910967195.XA CN201910967195A CN110909375B CN 110909375 B CN110909375 B CN 110909375B CN 201910967195 A CN201910967195 A CN 201910967195A CN 110909375 B CN110909375 B CN 110909375B
- Authority
- CN
- China
- Prior art keywords
- desensitized
- data set
- sequence
- address
- feedback
- 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.)
- Active
Links
- 238000000586 desensitisation Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000000873 masking effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 229940090898 Desensitizer Drugs 0.000 description 1
- 239000009636 Huang Qi Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种保留分布特征的地址脱敏方法,包括如下步骤:(1)收集待脱敏地址信息,归集成待脱敏数据集M1;(2)对待脱敏的地址信息数据集进行合规性检验,将不合格的地址信息放入异常数据集,生成合规待脱敏数据集M2;(3)将合规的待脱敏地址数据集进行第一阶段的数字屏蔽处理,生成待混洗数据集M3;(4)根据线性反馈移位寄存器产生均匀随机序列L1;(5)去除(4)中生成的均匀随机序列中大于待脱敏数据集长度M3的数,以生成混洗序列L2;(6)以序列L2中的数为位置索引对M3中的地址数据进行混洗。本发明脱敏后的结果很好的保留了地址数据的分布特征,可分析性强;脱敏结果能保留很好的一致性;脱敏时间短,具有高效性。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种保留分布特征的地址脱敏方法。
背景技术
在大数据时代,信息就是毋庸置疑的“财富”。而不管政府单位还是企业,或者是我们每个人,每天都在有意无意地收集、存储、共享数据,且规模越来越大。这些信息都是一笔无形的资产。但是也正因为我们处理的数据越来越多,我们泄露的几率也就自然是越来越高。近年来,我国加强了对用户数据信息保护的管理和研究,全国召开了多次以大数据、数据安全为主题的会议,大数据、数据安全已经成为银行和互联网企业的热门话题。郭嘉凯在《数据脱敏:敏感数据的安全卫士》中通过对各类数据泄露事件及其危害性分析,提出了数据脱敏在信息安全中的重要作用,2013年2月份实施的《信息安全技术公共及商用服务信息系统个人信息保护指南》加强了对个人信息的保护力度,明确了处理个人信息的具体原则。政府、企业越来越认识到敏感数据脱敏的重要性,并且也出台了相应的政策方针、规范等,严格的数据收集和使用立法,可能会在一定程度上阻碍技术发展,但这与保护公众隐私相比更加值得。之所以更倾向于对敏感信息进行脱敏而非加密,是因为我们需要兼顾数据安全与数据使用的便捷性,如果我们使用加密算法的话,我们固然是可以对数据进行编码来有效保护数据,但是却要给整个安全工作增加额外的成本、故障点,让我们的信息利用变得复杂而繁琐,这也就本末倒置了。
地址信息是个人隐私信息的重要组成部分,它能够直接的使人们定位到现实生活中的具体某一个人,因此对地址信息进行去敏感化显得尤为重要。现在已有的地址脱敏方法对地址的脱敏结果都很“粗糙”,比如:
a、直接将地址进行屏蔽,例如:“浙江省杭州市拱墅区假山路148号”脱敏为“浙江省杭州市****”;
b、将地址进行泛化,例如:“浙江省杭州市拱墅区假山路148号”脱敏为“浙江省杭州市”;
c、将地址信息进行随机混洗,即将数据库中的不同人员的地址信息进行随机互换;
然而,地址信息除了能对应现实中的某一个人之外,它同样具有很大的分析价值,人们可以利用地址信息对某一特征进行地域分析,挖掘更深层次的价值,得出规律,从而进行预测预防、决策分析等。因此,在对地址信息进行脱敏的同时应该尽可能的保留地址信息的分析价值,方法a、b的确对地址信息进行了有效的脱敏,但是保留的分析价值同样也很有限,地址分布粒度太大,很难进行更深层次的挖掘,若是调节脱敏的屏蔽或泛化粒度,如只屏蔽到“路”一级,即“浙江省杭州市拱墅区假山路**”,虽然分析价值保留的很好,但是也很容易让人通过联系其他信息“猜想到”现实中的个体,因此脱敏的程度太低,安全性低。方法c对地址进行随机混洗虽然也能达到脱敏的效果,但是因为其具有随机性,因此相同的数据源每一次的脱敏结果都不相同,不符合脱敏过程的一致性,并且随机混洗的结果并不一定能完整的保留原始地址信息的分布特征。
因此,找到一种既能有效的对地址信息进行去敏感化又能保留地址信息的分析价值的脱敏方法及系统很有必要。
发明内容
为了克服已有方法的不足之处,本发明提供一种地址信息的数据脱敏方法,系统简单,采用一种数字屏蔽加数据算法均匀随机混洗的混合脱敏方法,对地址信息进行脱敏以满足地址信息的脱敏需求,可以在去敏感化的同时保留地址信息的分析价值。
本发明解决其技术问题所采用的技术方案是:
一种保留分布特征的地址脱敏方法,所述方法包括如下步骤:
(1)收集待脱敏地址信息,归集成待脱敏数据集M1;
(2)对待脱敏的地址信息数据集进行合规性检验,将不合格的地址信息放入异常数据集,生成合规待脱敏数据集M2;
(3)将合规的待脱敏地址数据集进行第一阶段的数字屏蔽处理,生成待混洗数据集M3;
(4)根据线性反馈移位寄存器LFSR产生均匀随机序列L1;
(5)去除(4)中生成的均匀随机序列中大于待脱敏数据集长度M3的数,以生成混洗序列L2;
(6)以序列L2中的数为位置索引对M3中的地址数据进行混洗。
进一步,所述步骤(3)的过程如下:
利用正则表达式找到待脱敏数据中数字的位置,然后用“*”替换该数字,例如将“浙江省杭州市下城区幸福小区43栋2单元421”脱敏为“杭州市下城区幸福小区**栋*单元***”,正则表达式为/[0-9]+/g。
再进一步,所述步骤(4)的过程如下:
线性反馈移位寄存器LFSR由n个D触发器和若干个异或门组成,其中,触发器D的长度决定了线性反馈寄存器所能产生的最大的数,例如当触发器D的个数为3个时,线性反馈移位寄存器所能产生的最大数为二进制数111,转化成十进制即为7;gn为反馈系数,取值只能为0或1,取为0时表明不存在该反馈之路,取1时表明存在该反馈之路;这里的反馈系数决定了产生随机数的算法的不同。用反馈函数表示成y=a0x0+a1x1+a2x2+…+anxn,反馈函数为线性的叫线性移位反馈序列,否则叫非线性反馈移位序列。
为了尽可能的产生足够长的均匀随机序列,应该使均匀随机序列的重复周期尽可能的大,当周期能达到2n-1时,产生的均匀随机序列最长,其中n表示异或门的个数。选取“某些位置”放置异或门所构成的序列称为抽头序列,理论表明要使得LFSR得到最长周期,这个抽头序列构成的多项式必须是一个本原多项式,也就是说这个多项式不可约,比如当g0g1g2g3=1011时构成的多项式f(x)=g3x3+g2x2+g1x1+g0x0即,f(x)=x3+x+1时为本原多项式。下面以n=3,g0=1,g1=1,g2=0,g3=1为例,说明LFSR的特性,假设开始时,D2D1D0=111(seed),那么当时钟到来时,有:
D2=D1=1;
D0=D2=1;
所以D2D1D0=101,同理,当下一个时钟到来时,可得D2D1D0=001,以此类推。
结果正好有2n-1=23-1=7个状态(不包括全0),构成的均匀随机序列的周期为7,正好与g3g2g1g0构成的多项式f(x)=x3+x+1为本原多项式相互印证。
产生的待混洗地址数据集的长度为M3,选取满足2n-1>M3的最小n,寻求满足g0=gn=1,f(x)=gnxn+gn-1xn-1+…+g1x1+g0为本原多项式的抽头序列gngn-1…g1g0,以此抽头序列为反馈系数,以(0,M]上任一数为种子数seed产生均匀随机序列L1。
本发明的有益效果表现在:脱敏后的结果为原待脱敏数据均匀随机混洗,很好的保留了地址数据的分布特征,因此脱敏后的数据依然具有很高的分析价值,可分析性强;同一数据集,只要种子数seed相同,那么脱敏的结果就相同,避免了传统混洗脱敏的随机性,脱敏结果能保留很好的一致性;脱敏人员也可以根据不同的需求选取不同的种子数以达到不同的脱敏效果,因此脱敏过程具有多样性;程序运行的过程中无需缓存待脱敏数据,只是对数据的索引进行操作,因此占用的内存少,脱敏时间短,具有高效性。
附图说明
图1是线性反馈移位寄存器示意图;
图2是反馈系数为1101时的3阶反馈移位寄存器示意图;
图3是反馈系数为1101时的状态转移图;
图4是具体实施例整体流程图;
图5是100阶以下本原多项式列表,例如2:10表示本原多项式f(x)=x2+x1+x0=x2+x+1;例如10:30表示本原多项式f(x)=x10+x3+x0=x10+x3+1;例如24:4310表示本原多项式f(x)=x24+x4+x3+x1+x0=x24+x4+x3+x+1。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1~图5,一种保留分布特征的地址脱敏方法,所述方法包括如下步骤:
(1)收集待脱敏地址信息,归集成待脱敏数据集M1;
(2)对待脱敏的地址信息数据集进行合规性检验,将不合格的地址信息放入异常数据集,生成合规待脱敏数据集M2;
(3)将合规的待脱敏地址数据集进行第一阶段的数字屏蔽处理,生成待混洗数据集M3:
利用正则表达式找到待脱敏数据中数字的位置,然后用“*”替换该数字;
(4)根据线性反馈移位寄存器(LFSR)产生均匀随机序列:
线性反馈移位寄存器(LFSR)由n个D触发器和若干个异或门组成,其中,触发器D的长度决定了线性反馈寄存器所能产生的最大的数;gn为反馈系数,取值只能为0或1,取为0时表明不存在该反馈之路,取1时表明存在该反馈之路;这里的反馈系数决定了产生随机数的算法的不同,用反馈函数表示成y=a0x0+a1x1+a2x2+…+anxn,反馈函数为线性的叫线性移位反馈序列,否则叫非线性反馈移位序列;
为了尽可能的产生足够长的均匀随机序列,应该使均匀随机序列的重复周期尽可能的大,当周期能达到2n-1时,产生的均匀随机序列最长,其中n表示异或门的个数。选取“某些位置”放置异或门所构成的序列称为抽头序列,理论表明要使得LFSR得到最长周期,这个抽头序列构成的多项式必须是一个本原多项式,也就是说这个多项式不可约,比如当g0g1g2g3=1011时构成的多项式f(x)=g3x3+g2x2+g1x1+g0x0即,f(x)=x3+x+1时为本原多项式。下面以n=3,g0=1,g1=1,g2=0,g3=1为例,说明LFSR的特性,具有该参数的LFSR结构如图2所示,假设开始时,D2D1D0=111(seed),那么当时钟到来时,有:
D2=D1=1;
D0=D2=1;
所以D2D1D0=101,同理,当下一个时钟到来时,可得D2D1D0=001,以此类推。
画出状态转移图如图3表示,从图中可以看出,正好有2n-1=23-1=7个状态(不包括全0),构成的均匀随机序列的周期为7,正好与g3g2g1g0构成的多项式f(x)=x3+x+1为本原多项式相互印证。
(3)中产生的待混洗地址数据集的长度为M3,选取满足2n-1>M3的最小n,寻求满足g0=gn=1,f(x)=gnxn+gn-1xn-1+…+g1x1+g0为本原多项式的抽头序列gngn-1…g1g0,以此抽头序列为反馈系数,以(0,M]上任一数为种子数seed产生均匀随机序列L1。
(5)去除(4)中生成的均匀随机序列L1中大于待脱敏数据集长度M3的数,以生成混洗序列L2。
(6)以序列L2中的数为位置索引对M3中的地址数据进行混洗。
本实施例的保留分布特征的地址脱敏方法,包括以下步骤:
(1)收集1400多万条待脱敏地址数据M1(测试数据集)如表1:
1 | 上海市徐汇区梅花弄22号 |
2 | 上海市长宁区青林街诗雅居23栋1单元3101 |
3 | 浙江省下城区朝晖街道234号 |
4 | 浙江省余杭区南京路74号 |
… | … |
9999999 | 江苏省南京市玄武路111号 |
14002708 | 安徽省合肥市蜀山区滨湖路256号 |
表1(2)对待脱敏的地址信息数据集进行合规性检验,将不合格的地址信息放入异常数据集,生成合规待脱敏数据集M2,如表2:
表2
(3)将合规的待脱敏地址数据集进行第一阶段的数字屏蔽处理,生成待混洗数据集M3,如表3:
1 | 上海市徐汇区梅花弄**号 |
2 | 上海市长宁区青林街诗雅居**栋*单元**** |
3 | 浙江省下城区朝晖街道***号 |
4 | 浙江省余杭区南京路**号 |
… | … |
9999999 | 江苏省南京市玄武路***号 |
14001112 | 安徽省合肥市蜀山区滨湖路***号 |
表3
(4)根据线性反馈移位寄存器(LFSR)产生均匀随机序列:
寻求满足2n-1>14001112的最小n,经计算得出n最小为24,此时2n-1=16777215>14001112,即产生的均匀随机序列的周期最大能达到16777215,序列上的数不会在(0,14001112]上产生重复。
取最高次项是x24的本原多项式f(x)=x24+x4+x3+x+1,此时抽头序列为:g0g1…g23g24=1101100000000000000000001,选取种子数seed=88888(十进制)=10101101100111000(二进制),补位至24位二进制得seed=000000010101101100111000,将上述参数带入移位寄存器中可得出均匀随机序列:
[88888,177776,355552,711104,1422208,2844416,5688832,11377664,5978139,11956278,7135351,14270702…]
(5)去除(4)中生成的均匀随机序列中大于14001112的数,得到混洗序列[88888,177776,355552,711104,1422208,2844416,5688832,11377664,5978139,11956278,7135351·]。
(6)以(5)中的混洗序列中的数为位置索引对M3中的地址数据进行混洗,在本实施例中即为,将M3数据集中的原88888位放到第1位,将M3数据集中的原177776位放到第2位,将M3数据集中的原第355552位放到第3位…,得到脱敏后的结果如下表4所示:
1 | 江苏省盐城市光明路***号 |
2 | 江苏省常州市石马社区南苑**栋*单元**** |
3 | 上海市杨浦区天南街道***号 |
4 | 广东省肇庆市天堂县楷模村高产组*队**号 |
… | … |
9999999 | 广东省佛山市二郎区湖南路***号 |
14001112 | 浙江省杭州市上城区建国南路***号 |
表4
通过以上实施例可以看出,无法根据脱敏后的地址推测出原未脱敏地址,无法根据脱敏后的地址结合其他个人信息定位到现实中的具体个人,达到了很好的脱敏效果。
Claims (2)
1.一种保留分布特征的地址脱敏方法,其特征在于,所述方法包括如下步骤:
(1)收集待脱敏地址信息,归集成待脱敏数据集M1;
(2)对待脱敏的地址信息数据集进行合规性检验,将不合格的地址信息放入异常数据集,生成合规待脱敏数据集M2;
(3)将合规的待脱敏地址数据集进行第一阶段的数字屏蔽处理,生成待混洗数据集M3;
(4)根据线性反馈移位寄存器LFSR产生均匀随机序列L1,过程如下:
线性反馈移位寄存器由n个D触发器和若干个异或门组成,其中,触发器D的长度决定了线性反馈寄存器所能产生的最大的数;gn为反馈系数,取值只能为0或1,取为0时表明不存在反馈之路,取1时表明存在反馈之路;这里的反馈系数决定了产生随机数的算法的不同;用反馈函数表示成y=a0x0+a1x1+a2x2+...+anxn,反馈函数为线性的叫线性移位反馈序列,否则叫非线性反馈移位序列;
当周期能达到2n-1时,产生的均匀随机序列最长,其中n表示异或门的个数;选取“某些位置”放置异或门所构成的序列称为抽头序列,理论表明要使得LFSR得到最长周期,这个抽头序列构成的多项式必须是一个本原多项式,也就是说这个多项式不可约;
产生的待混洗地址数据集的长度为M3,选取满足2n-1>M3的最小n,寻求满足g0=gn=1,f(x)=gnxn+gn-1xn-1+…+g1x1+g0为本原多项式的抽头序列gngn-1…g1g0,以此抽头序列为反馈系数,以(0,M]上任一数为种子数seed产生均匀随机序列L1;
(5)去除(4)中生成的均匀随机序列中大于待脱敏数据集长度M3的数,以生成混洗序列L2;
(6)以序列L2中的数为位置索引对M3中的地址数据进行混洗。
2.如权利要求1所述的一种保留分布特征的地址脱敏方法,其特征在于,所述步骤(3)的过程如下:
利用正则表达式找到待脱敏数据中数字的位置,然后用“*”替换该数字。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910967195.XA CN110909375B (zh) | 2019-10-12 | 2019-10-12 | 一种保留分布特征的地址脱敏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910967195.XA CN110909375B (zh) | 2019-10-12 | 2019-10-12 | 一种保留分布特征的地址脱敏方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110909375A CN110909375A (zh) | 2020-03-24 |
CN110909375B true CN110909375B (zh) | 2022-04-08 |
Family
ID=69815502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910967195.XA Active CN110909375B (zh) | 2019-10-12 | 2019-10-12 | 一种保留分布特征的地址脱敏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110909375B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111258549B (zh) * | 2020-04-30 | 2020-08-11 | 江苏亨通问天量子信息研究院有限公司 | 基于非线性反馈移位寄存器的量子随机数后处理装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1385032A (zh) * | 1999-08-29 | 2002-12-11 | 英特尔公司 | 数字视频内容传输加密与解密方法和设备 |
CN1813439A (zh) * | 2003-09-05 | 2006-08-02 | 媒体编码有限公司 | 产生伪随机序列的方法 |
CN104463007A (zh) * | 2013-09-22 | 2015-03-25 | 华邦电子股份有限公司 | 数据验证方法及其装置 |
CN105045561A (zh) * | 2015-08-12 | 2015-11-11 | 中国电子科技集团公司第四十一研究所 | 一种伪随机数产生方法 |
CN105183428A (zh) * | 2015-08-12 | 2015-12-23 | 中国电子科技集团公司第四十一研究所 | 一种伪随机信号产生方法 |
CN106649532A (zh) * | 2016-10-31 | 2017-05-10 | 电子科技大学 | 一种针对地址信息的数据脱敏方法 |
CN110175468A (zh) * | 2019-05-05 | 2019-08-27 | 浙江工业大学 | 一种保留分布特征的姓名脱敏方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8229108B2 (en) * | 2003-08-15 | 2012-07-24 | Broadcom Corporation | Pseudo-random number generation based on periodic sampling of one or more linear feedback shift registers |
EP2101257A1 (en) * | 2008-03-13 | 2009-09-16 | Panasonic Corporation | Configurable pseudo-random sequence generator |
US9258112B2 (en) * | 2013-03-15 | 2016-02-09 | Accenture Global Services Limited | Configurable key-based data shuffling and encryption |
RO130722A2 (ro) * | 2014-04-10 | 2015-11-27 | Ixia, A California Corporation | Metodă şi sistem pentru implementare hardware a pachetelor de date uniform amestecate |
-
2019
- 2019-10-12 CN CN201910967195.XA patent/CN110909375B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1385032A (zh) * | 1999-08-29 | 2002-12-11 | 英特尔公司 | 数字视频内容传输加密与解密方法和设备 |
CN1813439A (zh) * | 2003-09-05 | 2006-08-02 | 媒体编码有限公司 | 产生伪随机序列的方法 |
CN104463007A (zh) * | 2013-09-22 | 2015-03-25 | 华邦电子股份有限公司 | 数据验证方法及其装置 |
CN105045561A (zh) * | 2015-08-12 | 2015-11-11 | 中国电子科技集团公司第四十一研究所 | 一种伪随机数产生方法 |
CN105183428A (zh) * | 2015-08-12 | 2015-12-23 | 中国电子科技集团公司第四十一研究所 | 一种伪随机信号产生方法 |
CN106649532A (zh) * | 2016-10-31 | 2017-05-10 | 电子科技大学 | 一种针对地址信息的数据脱敏方法 |
CN110175468A (zh) * | 2019-05-05 | 2019-08-27 | 浙江工业大学 | 一种保留分布特征的姓名脱敏方法 |
Non-Patent Citations (2)
Title |
---|
基于混沌算法的数据加密技术研究;王鹏;《中国优秀硕士学位论文全文库》;20111215;全文 * |
数据脱敏在政府数据治理及开放服务中的应用;王毛路;《电子政务》;20190531;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110909375A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Plohmann et al. | A comprehensive measurement study of domain generating malware | |
Yu et al. | Target defense against link-prediction-based attacks via evolutionary perturbations | |
Fong et al. | Privacy preserving decision tree learning using unrealized data sets | |
Furstenau et al. | 20 years of scientific evolution of cyber security: A science mapping | |
CN107301350B (zh) | 一种数据处理方法和系统 | |
Sharma et al. | Growth of Cyber-crimes in Society 4.0 | |
EP3963494A1 (en) | Data protection | |
CN110909375B (zh) | 一种保留分布特征的地址脱敏方法 | |
CN116996286A (zh) | 一种基于大数据分析的网络攻击和安全漏洞治理框架平台 | |
Okereafor et al. | A review of application challenges of digital forensics | |
Plachkinova | A Taxonomy for Risk Assessment of Cyberattacks on Critical Infrastructure (TRACI) | |
Yu | [Retracted] Encryption Technology for Computer Network Data Security Protection | |
Pandya et al. | Study and analysis of E-Governance Information Security (InfoSec) in Indian Context | |
Miller et al. | Privacy, encryption and counter-terrorism | |
Tiwari et al. | A novel watermarking scheme for secure relational databases | |
CN117111854A (zh) | 一种基于分布式加密存储的数据存储方法、装置及介质 | |
Gauniyal et al. | Iot security in wireless devices | |
Al-Sanjary et al. | Challenges on digital cyber-security and network forensics: a survey | |
Chuqiao et al. | Data security and privacy-preserving framework using machine learning and blockchain in big-data to data middle platform in the era of IR 4.0 | |
CN113268771A (zh) | 一种人体临床数据脱敏方法 | |
CN113934991B (zh) | 一种文字混淆标记算法 | |
Wei et al. | Extracting novel attack strategies for industrial cyber-physical systems based on cyber range | |
CN110535646A (zh) | 一种数据信息安全管理方法 | |
Toapanta et al. | Appropriate Security Algorithms to Mitigate the Risks in a Database of the National Customs Service of Ecuador | |
Song et al. | The Study of Privacy Protection of Scientific Data Sharing Based on Data Life Cycle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |