CN112685772A - 面向本质计算的跨dikw模态的相对差分隐私保护方法 - Google Patents

面向本质计算的跨dikw模态的相对差分隐私保护方法 Download PDF

Info

Publication number
CN112685772A
CN112685772A CN202011580150.6A CN202011580150A CN112685772A CN 112685772 A CN112685772 A CN 112685772A CN 202011580150 A CN202011580150 A CN 202011580150A CN 112685772 A CN112685772 A CN 112685772A
Authority
CN
China
Prior art keywords
resources
type
target individual
individual object
cost
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
CN202011580150.6A
Other languages
English (en)
Other versions
CN112685772B (zh
Inventor
段玉聪
胡时京
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.)
Hainan University
Original Assignee
Hainan University
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 Hainan University filed Critical Hainan University
Priority to CN202011580150.6A priority Critical patent/CN112685772B/zh
Publication of CN112685772A publication Critical patent/CN112685772A/zh
Priority to PCT/CN2021/106156 priority patent/WO2022142268A1/zh
Application granted granted Critical
Publication of CN112685772B publication Critical patent/CN112685772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioethics (AREA)
  • Storage Device Security (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，包括以下步骤：S1、获取待发布的目标个体对象，对目标个体对象基于DIKW图谱进行建模；S2、分析目标个体对象是否包含可用于进行本质计算或差分计算以获得目标个体对象隐私资源的类型资源，若未包含则发布目标个体对象，若包含则执行下一步骤，所述类型资源包括数据资源、信息资源和知识资源中的一种或多种；S3、对目标个体对象所包含类型资源执行隐私保护策略；S4、发布已被执行隐私保护策略的目标个体对象。本发明可以提高攻击者基于类型资源获得隐私资源所需支付的计算代价和难度，从而起到有效保护用户隐私的效果。

Description

面向本质计算的跨DIKW模态的相对差分隐私保护方法
技术领域
本发明涉及数据处理技术领域，尤其涉及一种面向本质计算的跨DIKW模态的相对差分隐私保护方法。
背景技术
随着互联网的广泛普及和大数据时代的来临，产生了具有巨大商业价值和社会价值的各种资源，人们可以从这些资源中获得巨大好处，但随着累积内容量的增加，人们越来越需要努力处理相应的内容，以达到各种目的，包括共享内容资源和相应的隐私保护。与此同时，这些资源中可能存在大量敏感内容，包括重要的个人隐私数据和信息，例如，各大医院收集的患者身体健康情况数据、使用全球定位系统协议应用程序收集的用户位置信息等，这些敏感资源本身以及利用相关资源进行关联融合后形成的新敏感资源可能会随着更加隐蔽、多样的数据收集存储以及数据挖掘，导致更加频繁的隐私泄露和隐私窃取，从而产生更加巨大的危害和影响，引发了人们对隐私的广泛关注和担忧。现有技术中，未经任何处理就通过网络等渠道发布的原始类型资源在隐私保护方面存在着极大的风险，若攻击者对其进行本质计算及差分运算则很有可能会泄露相关用户的隐私资源，该问题仍有待于解决。
发明内容
本发明的目的在于提供一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，以克服或至少部分解决现有技术中存在的发布用户相关类型资源时可能会导致的隐私资源泄露问题。
一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，具体包括以下步骤：
S1、获取待发布的目标个体对象，对目标个体对象基于DIKW图谱进行建模；
S2、分析目标个体对象是否包含可用于进行本质计算或差分计算以获得目标个体对象隐私资源的类型资源，若未包含则发布目标个体对象，若包含则执行下一步骤，所述类型资源包括数据资源、信息资源和知识资源中的一种或多种；
S3、对目标个体对象所包含类型资源执行隐私保护策略；
S4、发布已被执行隐私保护策略的目标个体对象。
进一步的，步骤S1中所述类型资源进行本质计算包括：同模态类型资源进行本质计算和跨模态类型资源进行本质计算；所述类型资源进行差分计算包括：同模态类型资源进行差分计算和跨模态类型资源进行差分计算。
进一步的，所述同模态类型资源进行本质计算包括：当类型资源均为数值型数据资源或均为逻辑型数据资源时，对数据资源进行逻辑运算；当类型资源均为信息资源时，对包含该信息资源的最小子信息图谱进行图运算。
进一步的，所述跨模态类型资源进行本质计算包括：
数值型数据资源和逻辑型数据资源的混合运算；
数值型数据资源和信息资源的混合运算；
逻辑型数据资源和信息资源的混合运算；
数值型数据资源、逻辑型数据资源和信息资源的混合运算。
进一步的，所述对目标个体对象所包含类型资源执行隐私保护策略具体为：对目标个体对象所包含类型资源进行随机跨模态转化，使得目标个体对象所包含类型资源的存储类型随机化。
进一步的，所述对目标个体对象所包含类型资源进行随机跨模态转化，具体包括：
S21、初始化总转换代价T_costsum＝0，已转换类型资源集合
Figure BDA0002864205110000021
未转换类型资源集合V＝O，保护倍数k＝1；
S22、从集合V中随机挑选类型资源TR0；
S23、拟将TR0转换为数值型数据资源，则有：
Figure BDA0002864205110000031
计算转化后的本质计算平均代价E_costnew1，由公式
Figure BDA0002864205110000032
得到新的保护倍数knew1；
S24、拟将TR0转换为逻辑型数据资源，则有：
Figure BDA0002864205110000033
计算转化后的本质计算平均代价E_costnew2，由公式
Figure BDA0002864205110000034
得到新的保护倍数knew2；
S25、拟将TR0转换为信息资源，则有：
T_costnew3＝T_costsum+T_costTR-I，
计算转化后的本质计算平均代价E_costnew3，由公式
Figure BDA0002864205110000035
得到新的保护倍数knew3；
S26、设knewb＝MAX(knew1,knew2,knew3),b∈{1,2,3}，若knewb>k，则更新k＝knewb，T_costsum＝T_costnewb，同时对TR0进行相应的类型转换并加入集合U，并在集合V中删除TR0；若knewb≤k，则不进行类型转换操作，将TR0加入集合U，并在集合V中删除TR0；
S27、判断集合V是否为空，若不为空则跳转至步骤S22；
S28、输出集合U。
进一步的，所述对目标个体对象所包含类型资源执行隐私保护策略具体为：对目标个体对象所包含类型资源进行随机化处理，所述随机化处理包括对数据资源进行随机化和对信息资源进行随机化。
进一步的，所述对数据资源进行随机化包括对数据资源进行扰动以及将数据资源随机打乱。
进一步的，所述对信息资源进行随机化，包括对目标个体对象的信息图谱的拓扑结构进行编辑操作。
与现有技术相比，本发明的有益效果是：
本发明所提供的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，通过对待发布的目标个体对象进行DIKW建模，分析其是否包含可能会被攻击者利用本质计算等方式获得隐私资源的类型资源，并通过对该类型资源执行隐私保护策略以提高攻击者基于该类型资源获得隐私资源所需支付的计算代价和难度，从而起到有效保护用户隐私的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法整体流程示意图。
图2是本发明实施例提供的数据图谱拓扑结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所列举实施例只用于解释本发明，并非用于限定本发明的范围。
参照图1，本发明提供一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，所述方法具体包括以下步骤：
S1、获取待发布的目标个体对象，对目标个体对象基于DIKW图谱进行建模。
其中，所述目标个体对象可以是社交网络或其他网络平台的用户，所述发布具体可以是通过网络等渠道公开该用户的相关内容。
S2、分析目标个体对象是否包含可用于进行本质计算或差分计算以获得目标个体对象隐私资源的类型资源，若未包含则发布目标个体对象，若包含则执行下一步骤，所述类型资源包括数据资源、信息资源和知识资源中的一种或多种。
其中，所述数据资源是由直接观察得到的离散元素，在没有上下文的情况下不具有任何意义，用于表达单个实体的属性内容，数据资源根据类别可进一步分为内容为数值的数值型数据资源Dnum和内容为true、false的逻辑型数据资源Dlogic。所述信息资源记录人类的行为，用于挖掘、分析、表达两个实体之间的交互关系，实体既可以是另一个人，也可以是客观存在的事物，信息资源与人类的某个特定目的相关，透过目的可以推断两个实体间的关系。所述知识资源是由数据资源和信息资源通过结构化的推导演绎获得，在信息资源的基础上对实体关系进行了进一步完善。
S3、对目标个体对象所包含类型资源执行隐私保护策略。所述目标个体对象所包含的类型资源可能都是相同模态的，也可能是不同模态类型资源混合组成的。
S4、发布已被执行隐私保护策略的目标个体对象。
作为一个示例，步骤S1中对所述类型资源进行本质计算包括：同模态类型资源进行本质计算和跨模态类型资源进行本质计算。
其中，所述同模态类型资源进行本质计算具体包括：
若目标个体对象所包含类型资源均为数值型数据资源，则本质计算的形式是对数值型数据资源进行数值运算。若目标个体对象所包含类型资源均为逻辑型数据资源，则本质计算的形式是对逻辑型数据资源进行逻辑运算。若目标个体对象所包含类型资源均为信息资源，则本质计算的形式为对包含该信息资源的最小子信息图谱进行图运算。
所述跨模态类型资源进行本质计算具体包括：
数值型数据资源和逻辑型数据资源的混合运算；数值型数据资源和信息资源的混合运算；逻辑型数据资源和信息资源的混合运算；数值型数据资源、逻辑型数据资源和信息资源的混合运算。
其中，若目标个体对象同时包含数值型数据资源和逻辑型数据资源，本质计算的过程则会涉及到：数值型数据资源之间的数值运算、逻辑型数据资源之间的逻辑运算、数值型数据资源与逻辑型数据资源之间的跨模态运算。
具体的，在对数值型数据资源与逻辑型数据资源进行跨模态运算时，先将其转换为相同模态的数据资源，使其转换为数值型数据资源之间的数值运算或逻辑型数据资源之间的逻辑运算。
一些实施方式中，对包含不同模态类型资源的个体对象进行本质计算的过程会涉及到运算优先级的问题，为了解决这一问题，本发明中通过计算数据资源的距离度量来计算相应数据资源的运算优先级。具体的，设所属相同实体的数据资源之间的距离为0，实体间的最短路径代表实体间距离，而所属不同实体间的数据资源之间的距离为该实体之间的距离。例如，如图2所示，数据资源a1和a2之间的距离度量为0，a1和b1之间的距离为1，和c1之间的距离为2。在进行运算时按照数据资源之间的距离从小到大依次进行计算。
若目标个体对象同时包含数值型数据资源和信息资源，本质计算的过程则会涉及到：数值型数据资源之间的数值运算、信息资源之间的图运算、数值型数据资源与信息资源之间的跨模态运算。
具体的，在对数值型数据资源与信息资源进行跨模态运算时，先将数值型数据资源转换为信息资源，从而使跨模态运算转换为信息资源之间的图运算。
若目标个体对象同时包含逻辑型数据资源和信息资源，本质计算的过程则会涉及到：逻辑型数据资源之间的逻辑运算、信息资源之间的图运算、逻辑型数据资源与信息资源之间的跨模态运算。
具体的，在对逻辑型数据资源与信息资源进行跨模态运算时，先将逻辑型数据资源转换为信息资源，从而使跨模态运算转换为信息资源之间的图运算。
若目标个体对象同时包含数值型数据资源、逻辑型数据资源和信息资源，则本质计算的过程涉及到数值型数据资源之间的数值运算、逻辑型数据资源之间的逻辑运算、信息资源之间的图运算以及数值型数据资源与逻辑型数据资源之间、数值型数据资源与信息资源之间、逻辑型数据资源与信息资源之间的跨模态运算。作为一种可选的实施方式，在运算过程中涉及到优先级问题时，数值型数据资源、逻辑型数据资源的运算优先级高于信息资源之间的图运算。
所述类型资源进行差分计算包括同模态类型资源进行差分计算和跨模态类型资源进行差分计算。
在本发明的一个可选实施例中，所述对目标个体对象所包含类型资源执行隐私保护策略具体为：对目标个体对象所包含类型资源进行随机跨模态转化，使得目标个体对象所包含类型资源的存储类型随机化，使得攻击者对个体对象进行本质计算以及差分获取目标隐私资源的代价远远大于用户访问隐私资源的代价。
当目标个体对象中包含a个数值型数据资源、b个逻辑型数据资源，c个信息资源，则对该目标个体对象进行本质计算的平均代价E_costsum为：
Figure BDA0002864205110000071
其中，
Figure BDA0002864205110000072
表示数值型数据资源之间本质计算的代价，
Figure BDA0002864205110000081
表示逻辑型数据资源之间本质计算的代价，E_costI-I表示信息资源之间本质计算的代价，
Figure BDA0002864205110000082
表示数值型数据资源和逻辑型数据资源之间本质计算的代价，
Figure BDA0002864205110000083
表示数值型数据资源和信息资源之间本质计算的代价，
Figure BDA0002864205110000084
表示逻辑型数据资源和信息资源之间本质计算的代价。
若对目标个体对象的差分结果有p1概率为数值型数据资源，p2概率为逻辑型数据资源，p3概率为信息资源，其中p1+p2+p3＝1，则进行差分计算的代价D_costsum为：
Figure BDA0002864205110000085
其中，
Figure BDA0002864205110000086
表示数值型数据资源之间差分计算的代价，
Figure BDA0002864205110000087
表示逻辑型数据资源之间差分计算的代价，D_costI-I表示信息资源之间差分计算的代价，
Figure BDA0002864205110000088
表示数值型数据资源和逻辑型数据资源之间差分计算的代价，
Figure BDA0002864205110000089
表示数值型数据资源和信息资源之间差分计算的代价，
Figure BDA00028642051100000810
表示逻辑型数据资源和信息资源之间差分计算的代价。
具体的，所述对目标个体对象所包含类型资源进行随机跨模态转化，包括以下步骤：
S21、初始化总转换代价T_costsum＝0，已转换类型资源集合
Figure BDA00028642051100000811
未转换类型资源集合V＝O，保护倍数k＝1。
S22、从集合V中随机挑选类型资源TR0。
S23、拟将TR0转换为数值型数据资源，则有：
Figure BDA00028642051100000812
计算转化后的本质计算平均代价E_costnew1，由公式
Figure BDA0002864205110000091
得到新的保护倍数knew1。
S24、拟将TR0转换为逻辑型数据资源，则有：
Figure BDA0002864205110000092
计算转化后的本质计算平均代价E_costnew2，由公式
Figure BDA0002864205110000093
得到新的保护倍数knew2。
S25、拟将TR0转换为信息资源，则有：
T_costnew3＝T_costsum+T_costTR-I，
计算转化后的本质计算平均代价E_costnew3，由公式
Figure BDA0002864205110000094
得到新的保护倍数knew3。
S26、设knewb＝MAX(knew1,knew2,knew3),b∈{1,2,3}，若knewb>k，则更新k＝knewb，T_costsum＝T_costnewb，同时对TR0进行相应的类型转换并加入集合U，并在集合V中删除TR0；若knewb≤k，则不进行类型转换操作，将TR0加入集合U，并在集合V中删除TR0。
S27、判断集合V是否为空，若不为空则跳转至步骤S22。
S28、输出集合U。集合U中的类型资源即为可发布的用户内容。
由于对个体对象进行本质计算的正确性依赖于计算顺序，而计算顺序则依赖于类型资源在图谱中的距离，即图谱的拓扑结构，因此若使个体对象存储类型资源的拓扑结构发生改变，本质计算的顺序被打乱随机化，则攻击者就难以通过本质计算得到正确的隐私资源。在本发明的另一种可选实施例中，所述对目标个体对象所包含类型资源执行隐私保护策略具体为：对目标个体对象所包含类型资源进行随机化处理，所述随机化处理包括对数据资源进行随机化和对信息资源进行随机化。
具体的，所述对数据资源进行随机化包括对数据资源进行扰动以及将数据资源随机打乱，使攻击者无法在数据层面找到和隐私资源相关的规律。
作为一种可选的实施方式，所述对数据资源进行扰动具体为在数据上添加一个噪音c～N(0,σ)，从而掩盖隐私数据资源与其他数据资源之间的差异，例如若对于一般对象身份标识k＝1，对于目标特殊对象身份标识k＝2，则取σ＝1，对于每个身份对象标识ki，添加随机变量噪音c，则knewi＝ki+c。进行数据扰动后，目标特殊对象的身份标识和一般对象身份标识混杂在了一起，攻击者无法准确从对象集合中判断哪个身份标识代表目标特殊对象。在进行数据扰动后，进行数据随机化，打乱数据资源的分布，从而令攻击者难以从数据图谱层面获取目标隐私资源相关信息，大大提升了安全性。
作为一种可选的实施方式，所述对信息资源进行随机化，包括对目标个体对象的信息图谱的拓扑结构进行编辑操作，所述编辑操作包括增、删、改、查。例如，通过增添多条随机生成的信息资源，改变图谱的拓扑结构，从而提高攻击者获得正确有效的计算结果的难度。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述方法包括以下步骤：
S1、获取待发布的目标个体对象，对目标个体对象基于DIKW图谱进行建模；
S2、分析目标个体对象是否包含可用于进行本质计算或差分计算以获得目标个体对象隐私资源的类型资源，若未包含则发布目标个体对象，若包含则执行下一步骤，所述类型资源包括数据资源、信息资源和知识资源中的一种或多种；
S3、对目标个体对象所包含类型资源执行隐私保护策略；
S4、发布已被执行隐私保护策略的目标个体对象。
2.根据权利要求1所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，步骤S1中所述类型资源进行本质计算包括：同模态类型资源进行本质计算和跨模态类型资源进行本质计算；所述类型资源进行差分计算包括：同模态类型资源进行差分计算和跨模态类型资源进行差分计算。
3.根据权利要求2所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述同模态类型资源进行本质计算包括：当类型资源均为数值型数据资源或均为逻辑型数据资源时，对数据资源进行逻辑运算；当类型资源均为信息资源时，对包含该信息资源的最小子信息图谱进行图运算。
4.根据权利要求2所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述跨模态类型资源进行本质计算包括：
数值型数据资源和逻辑型数据资源的混合运算；
数值型数据资源和信息资源的混合运算；
逻辑型数据资源和信息资源的混合运算；
数值型数据资源、逻辑型数据资源和信息资源的混合运算。
5.根据权利要求1所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述对目标个体对象所包含类型资源执行隐私保护策略具体为：对目标个体对象所包含类型资源进行随机跨模态转化，使得目标个体对象所包含类型资源的存储类型随机化。
6.根据权利要求5所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述对目标个体对象所包含类型资源进行随机跨模态转化，具体包括：
S21、初始化总转换代价T_costsum＝0，已转换类型资源集合
Figure FDA0002864205100000026
未转换类型资源集合V＝O，保护倍数k＝1；
S22、从集合V中随机挑选类型资源TR0；
S23、拟将TR0转换为数值型数据资源，则有：
Figure FDA0002864205100000021
计算转化后的本质计算平均代价E_costnew1，由公式
Figure FDA0002864205100000022
得到新的保护倍数knew1；
S24、拟将TR0转换为逻辑型数据资源，则有：
Figure FDA0002864205100000023
计算转化后的本质计算平均代价E_costnew2，由公式
Figure FDA0002864205100000024
得到新的保护倍数knew2；
S25、拟将TR0转换为信息资源，则有：
T_costnew3＝T_costsum+T_costTR-I，
计算转化后的本质计算平均代价E_costnew3，由公式
Figure FDA0002864205100000025
得到新的保护倍数knew3；
S26、设knewb＝MAX(knew1,knew2,knew3),b∈{1,2,3}，若knewb>k，则更新k＝knewb，T_costsum＝T_costnewb，同时对TR0进行相应的类型转换并加入集合U，并在集合V中删除TR0；若knewb≤k，则不进行类型转换操作，将TR0加入集合U，并在集合V中删除TR0；
S27、判断集合V是否为空，若不为空则跳转至步骤S22；
S28、输出集合U。
7.根据权利要求1所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述对目标个体对象所包含类型资源执行隐私保护策略具体为：对目标个体对象所包含类型资源进行随机化处理，所述随机化处理包括对数据资源进行随机化和对信息资源进行随机化。
8.根据权利要求7所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述对数据资源进行随机化包括对数据资源进行扰动以及将数据资源随机打乱。
9.根据权利要求7所述的一种面向本质计算的跨DIKW模态的相对差分隐私保护方法，其特征在于，所述对信息资源进行随机化，包括对目标个体对象的信息图谱的拓扑结构进行编辑操作。
CN202011580150.6A 2020-12-28 2020-12-28 面向本质计算的跨dikw模态的相对差分隐私保护方法 Active CN112685772B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011580150.6A CN112685772B (zh) 2020-12-28 2020-12-28 面向本质计算的跨dikw模态的相对差分隐私保护方法
PCT/CN2021/106156 WO2022142268A1 (zh) 2020-12-28 2021-07-14 面向本质计算的跨dikw模态的相对差分隐私保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011580150.6A CN112685772B (zh) 2020-12-28 2020-12-28 面向本质计算的跨dikw模态的相对差分隐私保护方法

Publications (2)

Publication Number Publication Date
CN112685772A true CN112685772A (zh) 2021-04-20
CN112685772B CN112685772B (zh) 2022-03-04

Family

ID=75452726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011580150.6A Active CN112685772B (zh) 2020-12-28 2020-12-28 面向本质计算的跨dikw模态的相对差分隐私保护方法

Country Status (2)

Country Link
CN (1) CN112685772B (zh)
WO (1) WO2022142268A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742770A (zh) * 2021-08-09 2021-12-03 海南大学 面向跨模态隐私保护的ai治理方法和装置
CN113810480A (zh) * 2021-09-03 2021-12-17 海南大学 基于dikw内容对象的情感通讯方法
WO2022142268A1 (zh) * 2020-12-28 2022-07-07 海南大学 面向本质计算的跨dikw模态的相对差分隐私保护方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804950A (zh) * 2018-06-09 2018-11-13 海南大学 基于数据图谱，信息图谱和知识图谱的建模与数据隐私保护方法
CN108920714A (zh) * 2018-07-26 2018-11-30 上海交通大学 一种分布式环境下隐私保护的关联规则挖掘方法和系统
US20190073487A1 (en) * 2017-09-07 2019-03-07 Dataunitor AS Network, method and computer program product for organizing and processing data
CN111125061A (zh) * 2019-12-18 2020-05-08 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种规范和促进健康医疗大数据的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11100483B2 (en) * 2017-09-29 2021-08-24 Intel Corporation Hierarchical data information
CN111339313A (zh) * 2020-02-18 2020-06-26 北京航空航天大学 一种基于多模态融合的知识库构建方法
CN111858960B (zh) * 2020-07-23 2021-09-10 海南大学 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件
CN112685772B (zh) * 2020-12-28 2022-03-04 海南大学 面向本质计算的跨dikw模态的相对差分隐私保护方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190073487A1 (en) * 2017-09-07 2019-03-07 Dataunitor AS Network, method and computer program product for organizing and processing data
CN108804950A (zh) * 2018-06-09 2018-11-13 海南大学 基于数据图谱，信息图谱和知识图谱的建模与数据隐私保护方法
CN108920714A (zh) * 2018-07-26 2018-11-30 上海交通大学 一种分布式环境下隐私保护的关联规则挖掘方法和系统
CN111125061A (zh) * 2019-12-18 2020-05-08 甘肃省卫生健康统计信息中心(西北人口信息中心) 一种规范和促进健康医疗大数据的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUCONG DUAN等: "Data Privacy Protection for Edge Computing of Smart City in a DIKW Architecture", 《ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE》 *
段玉聪等: "类型化隐式资源的隐私保护方法", 《北京邮电大学学报》 *
雷羽潇等: "基于DIKW图谱的虚拟社区用户性格分类与转换方法", 《应用科学学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022142268A1 (zh) * 2020-12-28 2022-07-07 海南大学 面向本质计算的跨dikw模态的相对差分隐私保护方法
CN113742770A (zh) * 2021-08-09 2021-12-03 海南大学 面向跨模态隐私保护的ai治理方法和装置
CN113742770B (zh) * 2021-08-09 2024-05-14 海南大学 面向跨模态隐私保护的ai治理方法和装置
CN113810480A (zh) * 2021-09-03 2021-12-17 海南大学 基于dikw内容对象的情感通讯方法

Also Published As

Publication number Publication date
CN112685772B (zh) 2022-03-04
WO2022142268A1 (zh) 2022-07-07

Similar Documents

Publication Publication Date Title
CN112685772B (zh) 面向本质计算的跨dikw模态的相对差分隐私保护方法
JP2020519210A (ja) 非集中型システムで集中型プライバシー制御を実施するためのシステムや方法
CN107358116B (zh) 一种多敏感属性数据发布中的隐私保护方法
Zhao et al. Novel trajectory privacy-preserving method based on prefix tree using differential privacy
US20110302144A1 (en) Dynamic Real-Time Reports Based on Social Networks
Sun et al. LSTM-TC: Bitcoin coin mixing detection method with a high recall
CN107070932B (zh) 社会网络动态发布中防止标签邻居攻击的匿名方法
Qian et al. Social network de-anonymization: More adversarial knowledge, more users re-identified?
Li et al. A personalized trajectory privacy protection method
Liu et al. A survey on differential privacy for medical data analysis
Zhang et al. MPDP k-medoids: Multiple partition differential privacy preserving k-medoids clustering for data publishing in the Internet of Medical Things
Kouzapas et al. Privacy by typing in the $\pi $-calculus
Sreedhar et al. A genetic TDS and BUG with pseudo-identifier for privacy preservation over incremental data sets
Chong et al. Trace me if you can: an unlinkability approach for privacy-preserving in social networks
Basu et al. A risk model for privacy in trajectory data
CN108111968B (zh) 一种基于泛化的位置隐私保护方法
Brito et al. A distributed approach for privacy preservation in the publication of trajectory data
CN105245499A (zh) 一种云服务隐私信息暴露取证方法
Yang et al. Research on privacy security steady StateEvaluation model of mobile application based on information entropy and Markov theory
Wu et al. Preserving institutional privacy in distributed binary logistic regression
WO2019019711A1 (zh) 行为模式数据的发布方法、装置、终端设备及介质
CN112182638B (zh) 一种基于本地化差分隐私模型的直方图数据发布方法及系统
Liu et al. Adaptive gaussian mechanism based on expected data utility under conditional filtering noise
CN113177231A (zh) 基于差分隐私的用户数据匿名编码方法及装置
Palanisamy Towards multiple pattern type privacy protection in complex event processing through event obfuscation strategies

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