CN113645187A - 隐私度量和保护策略选择方法、装置、服务器和存储介质 - Google Patents

隐私度量和保护策略选择方法、装置、服务器和存储介质 Download PDF

Info

Publication number
CN113645187A
CN113645187A CN202110761477.1A CN202110761477A CN113645187A CN 113645187 A CN113645187 A CN 113645187A CN 202110761477 A CN202110761477 A CN 202110761477A CN 113645187 A CN113645187 A CN 113645187A
Authority
CN
China
Prior art keywords
privacy
user
policy
privacy policy
factors
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
CN202110761477.1A
Other languages
English (en)
Other versions
CN113645187B (zh
Inventor
李星政
冯丙文
魏凯敏
翁健
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.)
Jinan University
Original Assignee
Jinan 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 Jinan University filed Critical Jinan University
Priority to CN202110761477.1A priority Critical patent/CN113645187B/zh
Publication of CN113645187A publication Critical patent/CN113645187A/zh
Application granted granted Critical
Publication of CN113645187B publication Critical patent/CN113645187B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
    • H04L63/205—Network architectures or network communication protocols for network security for managing network security; network security policies in general involving negotiation or determination of the one or more network security mechanisms to be used, e.g. by negotiation between the client and the server or between peers or by selection according to the capabilities of the entities involved
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H04L63/123—Applying verification of the received information received data contents, e.g. message integrity

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Storage Device Security (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种隐私度量和保护策略选择方法、装置、服务器和存储介质，应用于服务器，所述方法包括：接收用户客户端发送的隐私因素集和用户id；根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；确认所述新的隐私策略参数后，将所述新隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。本发明提出对隐私因素集里的因素进行大类划分，对影响环境的因素具有较高的可扩展性和容错性。

Description

隐私度量和保护策略选择方法、装置、服务器和存储介质
技术领域
本发明属于位置轨迹隐私保护领域，特别是涉及一种隐私度量和保护策略选择方法、装置、服务器和存储介质。
背景技术
目前的管理隐私策略大多需要人工的干预，例如初始化一个隐私策略的等级时，往往需要进行人工设置，这种人工设置的工作繁琐且准确率不高。同时由于管理隐私策略大多是基于分析一系列影响隐私的因素后决定的，这种在添加或删除影响隐私的因素后需要大范围修改数据库，以及在用户无法提供所有因素的情况下无法提供合适的服务，导致在实际应用中非常不方便。
发明内容
为了解决上述现有技术的不足，本发明提供了一种隐私度量和保护策略选择方法、装置、服务器和存储介质，其通过将影响隐私的因素划分为多种类别，不设定具体因素的信息，提供了足够的可扩展性和容错性；通过提供的计算公式对不同隐私因素的权重进行计算，避免了设置隐私策略强度；通过设置缺省值来保证用户在无法提供完整隐私因素的情况下能继续运行，得到良好的服务。
本发明的第一个目的在于提供一种隐私度量和保护策略选择方法。
本发明的第二个目的在于提供一种隐私度量和保护策略选择装置。
本发明的第三个目的在于提供一种服务器。
本发明的第四个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种隐私度量和保护策略选择方法，应用于服务器，所述方法包括：
接收用户客户端发送的隐私因素集和用户id；
根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
确认所述新的隐私策略参数后，将所述新的隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
进一步的，所述根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数，具体包括：
根据所述隐私因素集和用户id，在以往隐私策略中进行搜索；
根据搜索结果，获取对应的的隐私策略参数。
进一步的，所述根据搜索结果，获取对应的的隐私策略参数，具体包括：
若隐私策略中存在所述隐私因素集和用户id，则获取所述隐私策略中对应的隐私策略参数，否则：
将所述隐私因素集里的因素分为局部因素和全局因素；
计算所述局部因素的加权平均数；
计算所述全局因素的加权和；
根据所述局部因素的加权平均数和所述全局因素的加权和，得到对应的隐私策略参数值。
进一步的，所述计算所述局部因素的加权平均数，具体包括：
根据下式计算每个局部因素factor1i的加权值：
Factori＝factor1i×weight1i
其中，weight1i为第i个局部因素对应的权值；
根据下式计算所述局部因素的加权平均数：
Figure BDA0003149223500000021
所述计算所述全局因素的加权和，具体包括：
根据下式计算所述全局因素的加权和：
Total＝∑factor2i×weight2i
其中，factor2i为第i个全局因素对应的值，weight2i为第i个全局因素对应的权值；
所述根据所述局部因素的加权平均数和所述全局因素的加权和，得到对应的隐私策略参数值，具体为：
根据下式，得到对应的隐私策略参数值：
Value＝Factor×Total。
进一步的，所述接收用户客户端根据所述隐私策略参数发送的新隐私策略参数，具体包括：
若用户客户端拒绝使用接收的隐私策略参数，则用户客户端输入新隐私策略参数覆盖所述隐私策略参数，并利用所述新隐私策略参数进行位置隐私保护，同时向服务器发送所述新隐私策略参数；否则，用户客户端利用接收的隐私策略参数进行位置隐私保护，同时向服务器发送所述隐私策略参数；
接收用户客户端发送的所述新隐私策略参数或所述隐私策略参数。
进一步的，所述发送，是指通过安全信道把信息发送给对方。
进一步的，所述用户id为用户唯一id。
本发明的第二个目的可以通过采取如下技术方案达到：
一种隐私度量和保护策略选择装置，应用于服务器，所述装置包括：
隐私因素接收模块，用于接收用户客户端发送的隐私因素集和用户id；
隐私策略参数获取模块，用于根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
隐私策略参数发送模块，用于根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
新隐私策略参数接收模块，用于接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
隐私策略生成模块，用于确认所述新的隐私策略参数后，将所述新的隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
本发明的第三个目的可以通过采取如下技术方案达到：
一种服务器，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的隐私度量和保护策略选择方法。
本发明的第四个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的隐私度量和保护策略选择方法。
本发明相对于现有技术具有如下的有益效果：
1、本发明提出对隐私因素集里的因素进行大类划分，对影响环境的因素具有较高的可扩展性和容错性。
2、本发明提出的策略强度计算公式和因素缺省值设置，使隐私度量和保护策略选择框架具有较高容错率和发展前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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一些实施例，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示出的结构获得其他的附图。
图1为本发明实施例1的隐私度量和保护策略选择框架的原理图。
图2为本发明实施例1的隐私度量和保护策略选择的流程图。
图3为本发明实施例1的获取对应的隐私策略参数的流程图。
图4为本发明实施例2的隐私度量和保护策略选择装置的结构框图。
图5为本发明实施例3的服务器的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图1所示，隐私度量和保护策略选择框架包括用户方和服务端。用户方获取当前影响隐私的因素，将一系列相关因素发送给服务端。服务端接收到隐私因素后，查询一系列隐私因素所对应的隐私策略，将隐私因素对应的隐私策略的参数发送给用户方。用户方接收到参数后，判断是否使用该参数，若不使用该参数，则用户方设置希望使用的参数值，否则，使用该参数的值；并使用该参数值进行位置隐私保护同时将参数值发送给服务端。服务端接到用户方使用参数值后，更新用户个人隐私策略。
如图1和图2所示，本实施例提供了一种隐私度量和保护策略选择方法，具体包括：
S201、接收用户客户端发送的隐私因素集和用户id。
假定共有t个影响隐私的因素，用户方通过自动获取或者人工判断等方法获取到全部隐私因素集为
Figure BDA0003149223500000052
Θ＝t。这些隐私因素以及用户自身id通过安全信道发送给服务端。
S202、根据隐私因素集和用户id，将隐私因素集里的因素进行大类划分，获取对应的隐私策略参数。
服务端接收到了用户方发送的隐私因素集u和用户唯一id，其通过这些隐私因素集和用户id获取对应的策略参数，如图3所示，具体包括以下步骤：
(1)根据用户方的唯一id以及发送的隐私因素集在用户以往使用过的隐私策略中进行搜索，判断该用户是否在相同隐私因素集下使用过对应的隐私策略。
若用户未使用过该隐私因素集对应的隐私策略则只执行步骤(2)，否则，则执行步骤(3)；
(2)将隐私因素集里的因素分为局部因素Factor1和全局因素Factor2，根据下式计算每个局部因素factor1i的加权值：
Factor1i＝factor1i×weight1i
其中，weight1i是第i个隐私因素对应的权值。
所有的局部因素factor1i组成的加权平均数为局部因素的值，根据下式计算局部因素的加权平均数：
Figure BDA0003149223500000051
其中，Factor是所有局部隐私因素对应的值。
将所有全局因素Factor2的加权和作为最后影响隐私策略的参数的权重值，根据下式计算全局因素的加权和：
Total＝∑factor2i×weight2i
其中，weight2i是第i个全局隐私因素对应的权值。
将所有局部隐私因素对应的值与全局因素的加权和进行计算，得到对应的隐私策略参数值，根据下式计算隐私策略的参数值：
Value＝Factor×Total
(3)根据用户id和隐私因素集，在以往的隐私策略中找对应的隐私策略的参数值，作为对应的隐私策略参数值。
S203、根据用户id，将所述隐私策略参数发送给对应的用户客户端。
将对应的隐私策略参数值通过安全信道发送给对应的用户方。
S204、接收用户客户端根据隐私策略参数发送的新隐私策略参数。
用户方接收到服务端发送的隐私策略参数，用户方通过自身判断是否使用该参数，若用户拒绝使用服务端返回的参数，则用户方输入希望使用的参数覆盖服务端返回的参数，用户方决定隐私策略参数后，利用该参数进行位置隐私保护，同时将使用的参数通过安全信道发送给服务端。
S205、确认新隐私策略参数后，将新隐私策略参数、隐私因素集和用户id绑定存储，作为隐私策略。
服务端接收到用户方发送的策略参数确认后，服务端将该策略参数，对应的隐私参数集和用户方的唯一id进行绑定存储，作为隐私策略
本领域技术人员可以理解，实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。
应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图4所示，本实施例提供了一种隐私度量和保护策略选择装置，该装置包括隐私因素接收模块401、隐私策略参数获取模块402、隐私策略参数发送模块403、新隐私策略参数接收模块404和隐私策略生成模块405，其中：
隐私因素接收模块401，用于接收用户客户端发送的隐私因素集和用户id；
隐私策略参数获取模块402，用于根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
隐私策略参数发送模块403，用于根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
新隐私策略参数接收模块404，用于接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
隐私策略生成模块405，用于确认所述新的隐私策略参数后，将所述新的隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
本实施例中各个模块的具体实现可以参见上述实施例1，在此不再一一赘述；需要说明的是，本实施例提供的装置仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
实施例3：
本实施例提供了一种服务器，该服务器可以为计算机，如图5所示，其通过系统总线501连接的处理器502、存储器、输入装置503、显示器504和网络接口505，该处理器用于提供计算和控制能力，该存储器包括非易失性存储介质506和内存储器507，该非易失性存储介质506存储有操作系统、计算机程序和数据库，该内存储器507为非易失性存储介质中的操作系统和计算机程序的运行提供环境，处理器502执行存储器存储的计算机程序时，实现上述实施例1的隐私度量和保护策略选择方法，如下：
接收用户客户端发送的隐私因素集和用户id；
根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
确认所述新的隐私策略参数后，将所述新的隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
实施例4：
本实施例提供了一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例1的隐私度量和保护策略选择方法，如下：
接收用户客户端发送的隐私因素集和用户id；
根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
确认所述新的隐私策略参数后，将所述新的隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
综上所述，本发明通过对隐私因素集里的因素进行大类划分，使隐私度量和保护策略选择框架对影响环境的因素具有较高的可扩展性和容错性，同时采用策略强度计算公式和因素缺省值设置，使隐私度量和保护策略选择框架具有较高容错率和发展前景。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

1.一种隐私度量和保护策略选择方法，应用于服务器，其特征在于，所述方法包括：
接收用户客户端发送的隐私因素集和用户id；
根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
确认所述新的隐私策略参数后，将所述新隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
2.根据权利要求1所述的隐私度量和保护策略选择方法，其特征在于，所述根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数，具体包括：
根据所述隐私因素集和用户id，在以往隐私策略中进行搜索；
根据搜索结果，获取对应的的隐私策略参数。
3.根据权利要求2所述的隐私度量和保护策略选择方法，其特征在于，所述根据搜索结果，获取对应的的隐私策略参数，具体包括：
若隐私策略中存在所述隐私因素集和用户id，则获取所述隐私策略中对应的隐私策略参数，否则：
将所述隐私因素集里的因素分为局部因素和全局因素；
计算所述局部因素的加权平均数；
计算所述全局因素的加权和；
根据所述局部因素的加权平均数和所述全局因素的加权和，得到对应的隐私策略参数值。
4.根据权利要求3所述的隐私度量和保护策略选择方法，其特征在于，所述计算所述局部因素的加权平均数，具体包括：
根据下式计算每个局部因素factor1i的加权值：
Factori＝factor1i×weight1i
其中，weight1i为第i个局部因素对应的权值；
根据下式计算所述局部因素的加权平均数：
Figure FDA0003149223490000021
所述计算所述全局因素的加权和，具体包括：
根据下式计算所述全局因素的加权和：
Total＝∑factor2i×weight2i
其中，factor2i为第i个全局因素对应的值，weight2i为第i个全局因素对应的权值；
所述根据所述局部因素的加权平均数和所述全局因素的加权和，得到对应的隐私策略参数值，具体为：
根据下式，得到对应的隐私策略参数值：
Value＝Factor×Total。
5.根据权利要求1所述的隐私度量和保护策略选择方法，其特征在于，所述接收用户客户端根据所述隐私策略参数发送的新隐私策略参数，具体包括：
若用户客户端拒绝使用接收的隐私策略参数，则用户客户端输入新隐私策略参数覆盖所述隐私策略参数，并利用所述新隐私策略参数进行位置隐私保护，同时向服务器发送所述新隐私策略参数；否则，用户客户端利用接收的隐私策略参数进行位置隐私保护，同时向服务器发送所述隐私策略参数；
接收用户客户端发送的所述新隐私策略参数或所述隐私策略参数。
6.根据权利要求1-5任一项所述的隐私度量和保护策略选择方法，其特征在于，所述发送，是指通过安全信道把信息发送给对方。
7.根据权利要求1-5任一项所述的隐私度量和保护策略选择方法，其特征在于，所述用户id为用户唯一id。
8.一种隐私度量和保护策略选择装置，应用于服务器，其特征在于，所述装置包括：
隐私因素接收模块，用于接收用户客户端发送的隐私因素集和用户id；
隐私策略参数获取模块，用于根据所述隐私因素集和用户id，将所述隐私因素集里的因素进行大类划分，获取对应的隐私策略参数；
隐私策略参数发送模块，用于根据所述用户id，将所述隐私策略参数发送给对应的用户客户端；
新隐私策略参数接收模块，用于接收用户客户端根据所述隐私策略参数发送的新隐私策略参数；
隐私策略生成模块，用于确认所述新的隐私策略参数后，将所述新的隐私策略参数、所述隐私因素集和所述用户id绑定存储，作为隐私策略。
9.一种服务器，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-7任一项所述的隐私度量和保护策略选择方法。
10.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的隐私度量和保护策略选择方法。
CN202110761477.1A 2021-07-06 2021-07-06 隐私度量和保护策略选择方法、装置、服务器和存储介质 Active CN113645187B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110761477.1A CN113645187B (zh) 2021-07-06 2021-07-06 隐私度量和保护策略选择方法、装置、服务器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110761477.1A CN113645187B (zh) 2021-07-06 2021-07-06 隐私度量和保护策略选择方法、装置、服务器和存储介质

Publications (2)

Publication Number Publication Date
CN113645187A true CN113645187A (zh) 2021-11-12
CN113645187B CN113645187B (zh) 2023-04-11

Family

ID=78416831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110761477.1A Active CN113645187B (zh) 2021-07-06 2021-07-06 隐私度量和保护策略选择方法、装置、服务器和存储介质

Country Status (1)

Country Link
CN (1) CN113645187B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684865A (zh) * 2018-11-16 2019-04-26 中国科学院信息工程研究所 一种个性化隐私保护方法及装置
CN110097119A (zh) * 2019-04-30 2019-08-06 西安理工大学 基于对偶变量扰动的差分隐私保护支持向量机分类器算法
CN110719158A (zh) * 2019-09-11 2020-01-21 南京航空航天大学 基于联合学习的边缘计算隐私保护系统及保护方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109684865A (zh) * 2018-11-16 2019-04-26 中国科学院信息工程研究所 一种个性化隐私保护方法及装置
CN110097119A (zh) * 2019-04-30 2019-08-06 西安理工大学 基于对偶变量扰动的差分隐私保护支持向量机分类器算法
CN110719158A (zh) * 2019-09-11 2020-01-21 南京航空航天大学 基于联合学习的边缘计算隐私保护系统及保护方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张兴兰等: "一种支持数据修改的隐私保护策略", 《计算机与现代化》 *

Also Published As

Publication number Publication date
CN113645187B (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
US9584525B2 (en) Entitlement predictions
CN109710428B (zh) 一种实现类的动态调用方法及装置
Akhmetov et al. Designing a decision support system for the weakly formalized problems in the provision of cybersecurity
US20140129501A1 (en) Method for predicting user operation and mobile terminal
US10157228B2 (en) Communication system including a confidence level for a contact type and method of using same
CN106155812A (zh) 一种对虚拟主机的资源管理的方法、装置、系统及电子设备
CN111694756B (zh) 一种应用程序测试方法及装置
CN105407041A (zh) 一种添加群组或好友的方法及服务器、客户端和系统
WO2021008576A1 (zh) 上下文信息管理方法、装置、系统及计算机可读存储介质
CN109120431B (zh) 复杂网络中传播源选择的方法、装置及终端设备
CN109743127A (zh) 一种信息码的处理方法、电子设备及存储介质
CN110008694A (zh) 一种应用程序安全控制方法、装置、设备及可读存储介质
CN113872991A (zh) 一种云平台接口权限控制方法、装置、设备及介质
CN110336813A (zh) 一种访问控制方法、装置、设备及存储介质
CN113645187B (zh) 隐私度量和保护策略选择方法、装置、服务器和存储介质
CN116030115B (zh) 应用于ai的视觉设计图像分析方法及系统
CN110753117A (zh) 一种无线城域网环境下兼顾隐私保护的计算迁移方法
CN107018140B (zh) 一种权限控制方法和系统
Mathlouthi et al. Flexible composition of system of systems on cloud federation
CN109658083A (zh) 存储器、基于微信小程序的宽带缴费方法、装置和设备
CN115001849A (zh) 针对大数据安全漏洞挖掘的漏洞修复方法及漏洞修复系统
CN116226204A (zh) 基于联合学习平台的场景确定方法、装置、设备及存储介质
KR20120004953A (ko) 웹 서비스의 사용자 체감 성능 모니터링 방법과 이를 위한 프로그램이 기록된 기록매체 및 컴퓨팅 장치
CN108628832B (zh) 一种信息情报关键字获取方法及装置
CN107291500B (zh) 启动进程的数据分配方法及装置

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