CN114584564A - 一种隐私资源保护的移动终端侧数据寻址与分析技术 - Google Patents
一种隐私资源保护的移动终端侧数据寻址与分析技术 Download PDFInfo
- Publication number
- CN114584564A CN114584564A CN202210295662.0A CN202210295662A CN114584564A CN 114584564 A CN114584564 A CN 114584564A CN 202210295662 A CN202210295662 A CN 202210295662A CN 114584564 A CN114584564 A CN 114584564A
- Authority
- CN
- China
- Prior art keywords
- data
- cloud
- terminal
- data analysis
- mobile terminal
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/30—Definitions, standards or architectural aspects of layered protocol stacks
- H04L69/32—Architecture of open systems interconnection [OSI] 7-layer type protocol stacks, e.g. the interfaces between the data link level and the physical level
- H04L69/321—Interlayer communication protocols or service data unit [SDU] definitions; Interfaces between layers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种隐私资源保护的移动终端侧数据寻址与分析技术,它涉及一种对分布式移动终端的隐私资源以统一的方式执行终端寻址与数据分析的技术。它包含终端系统、云端系统、应用编程接口系统的实际系统,所述的实际系统的运行,包含以下步骤:数据分析程序编写,云端权限检查,云端任务调度,终端任务执行,云端结果聚合与返回,本发明通过对数据分析人员编写的代码在云端执行静态检查与终端执行动态检查的方式,避免了数据分析人员越权获取用户信息,通过限制最少终端查询数量,并通过云端对多终端返回的数据分析结果强制聚合的方式来保护单个用户的隐私资源,提出了统计模型来执行增量的任务分发决策,来平衡数据分析任务的时延和端侧的资源消耗。
Description
技术领域
本发明涉及数据分析、隐私保护和移动计算的交叉领域,具体涉及一种隐私资源保护的移动终端侧数据寻址与分析技术。
背景技术
数据是当代生活中不可缺少的一部分,当前,随着终端数量的不断增多和终端存储能力的不断增强,越来越多的数据产生在用户的手机或者穿戴设备上。依赖于用户产生的大量数据,数据科学家可以对数据进行分析以了解用户行为、可视化关键信息或者训练机器学习模型来增强商业智能。为了分析海量设备产生的数据,主流的解决方案是将设备产生的数据传送回云服务器,并让数据科学家对云端汇总的数据执行处理和分析。
然而,本发明人发现当前将数据传送回云端的数据分析方案存在如下缺陷:首先,部分地区发布的法律禁止公司收集并滥用用户数据,这让以云端为中心的数据分析技术丧失了数据来源;其次,越来越多的数据产生在终端,在大多数情况下,只有少部分的数据会在数据分析中被使用。将所有数据传输回云端会严重浪费广域网的带宽,并延长数据传输时间。
当前,开发者通常使用端侧的数据分析技术来克服上述缺陷:每有一个新的数据分析需求,端侧应用的开发者团队会执行整个软件工程的流程,并将数据分析逻辑硬编码到应用逻辑中,端侧执行完数据分析逻辑会将结果发送回云端。然而,由于软件工程的复杂性,整个流程需要大量的人力和时间消耗。。
发明内容
本发明的目的在于针对现有技术的缺陷和不足,提供一种隐私资源保护的移动终端侧数据寻址与分析技术,它为一种灵活的终端侧数据分析技术,绕过了应用开发者,允许数据分析人员直接编写数据分析程序,并直接将数据分析程序通过云端寻址,发送到分布式的各个终端上运行。每个终端的数据分析结果会发送回云端进行聚合,并将最终的数据分析结果发送给数据分析人员。
为实现上述目的,本发明采用以下技术方案是:一种隐私资源保护的移动终端侧数据寻址与分析技术,它包含终端系统、云端系统、应用编程接口系统的实际系统,所述的终端系统用于集成到现有的任意移动端安卓应用中,从而让该应用具有接受并执行数据分析任务的能力;所述的应用编程接口系统用于数据分析人员在终端运行的数据分析任务;所述的云端系统负责接收数据分析人员发送来的数据分析任务,将任务分发到分布式的终端执行,并将终端的返回结果聚合后发回给数据分析人员;
所述的实际系统的运行,包含以下步骤:
步骤1,数据分析程序编写;
步骤2,云端权限检查;
步骤3,云端任务调度;
步骤4,终端任务执行;
步骤5,云端结果聚合与返回。
进一步的,所述的步骤1中的数据分析程序编写,包含以下步骤:
步骤S1,数据分析人员使用应用编程接口编写将要在终端侧执行的数据分析程序;
步骤S2,数据分析人员使用应用编程接口编写与云端交互的逻辑;
步骤S3,数据分析人员编写完并本地执行程序后,数据分析任务会自动发送到云端系统。
进一步的,所述的步骤2中的云端权限检查,包含以下步骤:
步骤S1,云端系统收到数据分析人员发送的数据分析任务后,根据数据分析人员提供的数据访问凭证进行代码权限检查;
步骤S2,云端系统通过扫描数据分析人员提交的代码,对代码中的数据访问行为进行静态分析,并与系统内置的黑名单比对;
步骤S3,云端系统对代码中出现的反射逻辑添加代码注入,为运行时越权数据访问行为提供异常抛出逻辑。
进一步的,所述的步骤3中的云端任务调度,包含以下步骤:
步骤S1,云端系统在终端连接池中随机选择N个终端设备执行任务分发,其中N是数据分析人员在本地编程时指定的查询最小终端数量;
步骤S2,每隔一段时间,检查返回的结果的终端数量,并根据返回的结果数据构建统计模型,根据统计模型决定下一轮的需要下发任务的终端数量。
进一步的,所述的步骤4中的终端任务执行,包含以下步骤,
步骤S1,移动终端收到云端发送的任务后,在本地执行数据分析任务;
步骤S2,移动终端将执行结果加密后返回给云端。
进一步的,所述的步骤5中的云端结果聚合与返回,包含以下步骤,
步骤S1,云端系统每收到一个终端的返回结果,将其传送到聚合模块进行强制聚合,直到云端接收到足够多的终端返回结果才停止聚合;
步骤S2,云端系统将强制聚合的结果返回给数据分析人员,完成整个数据分析流程。
本发明的工作原理:
本发明绕过了应用开发者,允许数据分析人员直接编写数据分析程序,并直接将数据分析程序通过云端寻址,发送到分布式的各个终端上运行。每个终端的数据分析结果会发送回云端进行聚合,并将最终的数据分析结果发送给数据分析人员。
本发明包含终端系统、云端系统、应用编程接口系统的实际系统,基于该系统实现了整体的数据分析流程。终端侧系统集成到现有的任意移动端安卓应用中,从而让该应用具有接受并执行数据分析任务的能力;数据分析人员可以使用该系统提供的应用编程接口编写将要在终端运行的数据分析任务;云端负责接收数据分析人员发送来的数据分析任务,将任务分发到分布式的终端执行,并将终端的返回结果聚合后发回给数据分析人员,同时本系统运行的前置准备包含了如下过程:第一,在公有云上部署云端系统,第二,将终端侧系统集成到任意安卓应用上,并与云端系统建立网络连接。
采用上述技术方案后,本发明有益效果为:
本发明同时解决了如下三个技术挑战:
第一,通过对数据分析人员编写的代码在云端执行静态检查与终端执行动态检查的方式,避免了数据分析人员越权获取用户信息;
第二,通过限制最少终端查询数量,并通过云端对多终端返回的数据分析结果强制聚合的方式来保护单个用户的隐私资源;
第三,提出了统计模型来执行增量的任务分发决策,来平衡数据分析任务的时延和端侧的资源消耗。
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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明中系统运行的流程示意图。
图2是本发明中云端系统数据分析技术、终端系统数据分析技术比较示意图。
图3是本实施例中隐私保护的移动终端侧数据分析系统流程图。
附图标记说明:1-步骤1、2-步骤2、3-步骤3、4-步骤4、5-步骤5。
具体实施方式
参看图1-图3所示,本具体实施方式采用的技术方案是:它包含移动保护的移动保护的终端系统、云端系统、应用编程接口系统的实际系统,所述的移动保护的终端系统用于集成到现有的任意移动端安卓应用中,从而让该应用具有接受并执行数据分析任务的能力;所述的应用编程接口系统用于数据分析人员在终端运行的数据分析任务;所述的云端系统负责接收数据分析人员发送来的数据分析任务,将任务分发到分布式的终端执行,并将终端的返回结果聚合后发回给数据分析人员;
所述的实际系统的运行,包含以下步骤:
步骤1,数据分析程序编写;
步骤2,云端权限检查;
步骤3,云端任务调度;
步骤4,终端任务执行;
步骤5,云端结果聚合与返回。
进一步的,所述的步骤1中的数据分析程序编写,包含以下步骤:
步骤S1,数据分析人员使用应用编程接口编写将要在终端侧执行的数据分析程序;
步骤S2,数据分析人员使用应用编程接口编写与云端交互的逻辑,包括填写云端IP地址与身份凭证、设置最小查询终端数量、数据分析结果获取以及相关的结果处理逻辑;
步骤S3,数据分析人员编写完并本地执行程序后,数据分析任务会自动发送到云端系统。
进一步的,所述的步骤2中的云端权限检查,包含以下步骤:
步骤S1,云端系统收到数据分析人员发送的数据分析任务后,根据数据分析人员提供的数据访问凭证进行代码权限检查,若数据分析人员访问了超出权限的数据,则终止该数据分析任务;
步骤S2,云端系统通过扫描数据分析人员提交的代码,对代码中的数据访问行为进行静态分析,并与系统内置的黑名单比对,若有损害用户隐私的代码出现,则终止该数据分析任务;
步骤S3,云端系统对代码中出现的反射逻辑添加代码注入,为运行时越权数据访问行为提供异常抛出逻辑。
进一步的,所述的步骤3中的云端任务调度,包含以下步骤:
步骤S1,云端系统在终端连接池中随机选择N个终端设备执行任务分发,其中N是数据分析人员在本地编程时指定的查询最小终端数量,。若数据分析人员访问了超出权限的数据,则终止该数据分析任务;
步骤S2,每隔一段时间,检查返回的结果的终端数量,并根据返回的结果数据构建统计模型,根据统计模型决定下一轮的需要下发任务的终端数量。
进一步的,所述的步骤4中的终端任务执行,包含以下步骤,
步骤S1,移动保护的终端系统收到云端发送的任务后,在本地执行数据分析任务,一旦遇到代码中的反射逻辑并触发了云端添加的代码,表示代码中有侵害用户隐私的逻辑,任务会停止执行;
步骤S2,若数据分析任务执行成功,移动保护的终端系统将执行结果加密后返回给云端。移动保护的终端系统返回的结果中不包含终端标识符,从而避免了数据分析结果与终端对应。
进一步的,所述的步骤5中的云端结果聚合与返回,包含以下步骤,
步骤S1,云端系统每收到一个终端的返回结果,将其传送到聚合模块进行强制聚合,直到云端接收到足够多的终端返回结果才停止聚合;
步骤S2,云端系统将强制聚合的结果返回给数据分析人员,完成整个数据分析流程。
本实施例绕过了应用开发者,允许数据分析人员直接编写数据分析程序,并直接将数据分析程序通过云端寻址,发送到分布式的各个终端上运行。每个终端的数据分析结果会发送回云端进行聚合,并将最终的数据分析结果发送给数据分析人员。
本实施例包含移动保护的终端系统、云端系统、应用编程接口系统的实际系统,基于该系统实现了整体的数据分析流程。终端侧系统集成到现有的任意移动端安卓应用中,从而让该应用具有接受并执行数据分析任务的能力;数据分析人员可以使用该系统提供的应用编程接口编写将要在终端运行的数据分析任务;云端负责接收数据分析人员发送来的数据分析任务,将任务分发到分布式的终端执行,并将终端的返回结果聚合后发回给数据分析人员,同时本系统运行的前置准备包含了如下过程:第一,在公有云上部署云端系统,第二,将终端侧系统集成到任意安卓应用上,并与云端系统建立网络连接。
以上所述,仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种隐私资源保护的移动终端侧数据寻址与分析技术,其特征在于:它包含终端系统、云端系统、应用编程接口系统的实际系统,所述的终端系统用于集成到现有的任意移动端安卓应用中,从而让该应用具有接受并执行数据分析任务的能力;所述的应用编程接口系统用于数据分析人员在终端运行的数据分析任务;所述的云端系统负责接收数据分析人员发送来的数据分析任务,将任务分发到分布式的终端执行,并将终端的返回结果聚合后发回给数据分析人员;
所述的实际系统的运行,包含以下步骤:
步骤(1),数据分析程序编写;
步骤(2),云端权限检查;
步骤(3),云端任务调度;
步骤(4),终端任务执行;
步骤(5),云端结果聚合与返回。
2.根据权利要求1所述的一种隐私资源保护的移动终端侧数据寻址与分析技术,其特征在于:所述的步骤(1)中的数据分析程序编写,包含以下步骤:
步骤S1,数据分析人员使用应用编程接口编写将要在终端侧执行的数据分析程序;
步骤S2,数据分析人员使用应用编程接口编写与云端交互的逻辑;
步骤S3,数据分析人员编写完并本地执行程序后,数据分析任务会自动发送到云端系统。
3.根据权利要求1所述的一种隐私资源保护的移动终端侧数据寻址与分析技术,其特征在于:所述的步骤(2)中的云端权限检查,包含以下步骤:
步骤S1,云端系统收到数据分析人员发送的数据分析任务后,根据数据分析人员提供的数据访问凭证进行代码权限检查;
步骤S2,云端系统通过扫描数据分析人员提交的代码,对代码中的数据访问行为进行静态分析,并与系统内置的黑名单比对;
步骤S3,云端系统对代码中出现的反射逻辑添加代码注入,为运行时越权数据访问行为提供异常抛出逻辑。。
4.根据权利要求1所述的一种隐私资源保护的移动终端侧数据寻址与分析技术,其特征在于:所述的步骤(3)中的云端任务调度,包含以下步骤:
步骤S1,云端系统在终端连接池中随机选择N个终端设备执行任务分发,其中N是数据分析人员在本地编程时指定的查询最小终端数量;
步骤S2,每隔一段时间,检查返回的结果的终端数量,并根据返回的结果数据构建统计模型,根据统计模型决定下一轮的需要下发任务的终端数量。
5.根据权利要求1所述的一种隐私资源保护的移动终端侧数据寻址与分析技术,其特征在于:所述的步骤(4)中的终端任务执行,包含以下步骤,
步骤S1,移动终端收到云端发送的任务后,在本地执行数据分析任务;
步骤S2,移动终端将执行结果加密后返回给云端。
6.根据权利要求1所述的一种隐私资源保护的移动终端侧数据寻址与分析技术,其特征在于:所述的步骤(5)中的云端结果聚合与返回,包含以下步骤,
步骤S1,云端系统每收到一个终端的返回结果,将其传送到聚合模块进行强制聚合,直到云端接收到足够多的终端返回结果才停止聚合;
步骤S2,云端系统将强制聚合的结果返回给数据分析人员,完成整个数据分析流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295662.0A CN114584564B (zh) | 2022-03-23 | 2022-03-23 | 一种隐私资源保护的移动终端侧数据寻址与分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210295662.0A CN114584564B (zh) | 2022-03-23 | 2022-03-23 | 一种隐私资源保护的移动终端侧数据寻址与分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114584564A true CN114584564A (zh) | 2022-06-03 |
CN114584564B CN114584564B (zh) | 2023-08-18 |
Family
ID=81781886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210295662.0A Active CN114584564B (zh) | 2022-03-23 | 2022-03-23 | 一种隐私资源保护的移动终端侧数据寻址与分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114584564B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103841555A (zh) * | 2014-03-03 | 2014-06-04 | 江苏智联天地科技有限公司 | 基于终端与云端系统协同动态混淆的安全和隐私保护方法 |
CN104346566A (zh) * | 2013-07-31 | 2015-02-11 | 腾讯科技(深圳)有限公司 | 检测隐私权限风险的方法、装置、终端、服务器及系统 |
US20160192185A1 (en) * | 2014-09-03 | 2016-06-30 | Peeramyd, Llc | Beacon Activated Software |
CN105867832A (zh) * | 2015-01-19 | 2016-08-17 | 张维加 | 一种面向用户与应用的计算机与智能设备加速方法和装置 |
CN107135223A (zh) * | 2017-05-11 | 2017-09-05 | 成都四象联创科技有限公司 | 海量数据管理系统的数据持久化方法 |
US20180196647A1 (en) * | 2017-01-09 | 2018-07-12 | International Business Machines Corporation | Application Programming Interface Discovery Using Pattern Recognition |
CN109754211A (zh) * | 2017-11-06 | 2019-05-14 | 宁波东英吉利电子有限公司 | 一种智能化生产线管理系统 |
US20190306300A1 (en) * | 2015-07-06 | 2019-10-03 | Iavatar Ltd | Multi profile cloud platform of hidden system |
US20190377897A1 (en) * | 2018-06-07 | 2019-12-12 | Cisco Technology, Inc. | Hybrid cognitive system for ai/ml data privacy |
CN111046387A (zh) * | 2019-12-05 | 2020-04-21 | 深圳市任子行科技开发有限公司 | 一种针对app上传用户信息的分析检测方法及系统 |
CN111143207A (zh) * | 2019-12-19 | 2020-05-12 | 北京智能工场科技有限公司 | 一种在移动端查看模型训练通知和训练日志的方法 |
CN113239406A (zh) * | 2021-06-07 | 2021-08-10 | 深圳市蔚来芯科技有限公司 | 一种企业云端客户管理系统及方法 |
CN113436208A (zh) * | 2021-06-30 | 2021-09-24 | 中国工商银行股份有限公司 | 基于端边云协同的图像处理方法、装置、设备及介质 |
US20220027788A1 (en) * | 2020-07-21 | 2022-01-27 | Infosys Limited | Cognitive platform for autonomous data orchestration and the method thereof |
CN114168156A (zh) * | 2021-11-29 | 2022-03-11 | 深圳依时货拉拉科技有限公司 | 多租户数据持久化方法、装置、存储介质和计算机设备 |
-
2022
- 2022-03-23 CN CN202210295662.0A patent/CN114584564B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346566A (zh) * | 2013-07-31 | 2015-02-11 | 腾讯科技(深圳)有限公司 | 检测隐私权限风险的方法、装置、终端、服务器及系统 |
CN103841555A (zh) * | 2014-03-03 | 2014-06-04 | 江苏智联天地科技有限公司 | 基于终端与云端系统协同动态混淆的安全和隐私保护方法 |
US20160192185A1 (en) * | 2014-09-03 | 2016-06-30 | Peeramyd, Llc | Beacon Activated Software |
CN105867832A (zh) * | 2015-01-19 | 2016-08-17 | 张维加 | 一种面向用户与应用的计算机与智能设备加速方法和装置 |
US20190306300A1 (en) * | 2015-07-06 | 2019-10-03 | Iavatar Ltd | Multi profile cloud platform of hidden system |
US20180196647A1 (en) * | 2017-01-09 | 2018-07-12 | International Business Machines Corporation | Application Programming Interface Discovery Using Pattern Recognition |
CN107135223A (zh) * | 2017-05-11 | 2017-09-05 | 成都四象联创科技有限公司 | 海量数据管理系统的数据持久化方法 |
CN109754211A (zh) * | 2017-11-06 | 2019-05-14 | 宁波东英吉利电子有限公司 | 一种智能化生产线管理系统 |
US20190377897A1 (en) * | 2018-06-07 | 2019-12-12 | Cisco Technology, Inc. | Hybrid cognitive system for ai/ml data privacy |
CN111046387A (zh) * | 2019-12-05 | 2020-04-21 | 深圳市任子行科技开发有限公司 | 一种针对app上传用户信息的分析检测方法及系统 |
CN111143207A (zh) * | 2019-12-19 | 2020-05-12 | 北京智能工场科技有限公司 | 一种在移动端查看模型训练通知和训练日志的方法 |
US20220027788A1 (en) * | 2020-07-21 | 2022-01-27 | Infosys Limited | Cognitive platform for autonomous data orchestration and the method thereof |
CN113239406A (zh) * | 2021-06-07 | 2021-08-10 | 深圳市蔚来芯科技有限公司 | 一种企业云端客户管理系统及方法 |
CN113436208A (zh) * | 2021-06-30 | 2021-09-24 | 中国工商银行股份有限公司 | 基于端边云协同的图像处理方法、装置、设备及介质 |
CN114168156A (zh) * | 2021-11-29 | 2022-03-11 | 深圳依时货拉拉科技有限公司 | 多租户数据持久化方法、装置、存储介质和计算机设备 |
Non-Patent Citations (6)
Title |
---|
JIAN LIU; KUN HUANG; HONG RONG; HUIMEI WANG; MING XIAN;: "Privacy-Preserving Public Auditing for Regenerating-Code-Based Cloud Storage", 《IEEE TRANSACTIONS ON INFORMATION FORENSICS AND SECURITY》, vol. 10, no. 7, XP011582999, DOI: 10.1109/TIFS.2015.2416688 * |
TIANYU LIU; BOYA DI; PENG AN; LINGYANG SONG;: "Privacy-Preserving Incentive Mechanism Design for Federated Cloud-Edge Learning", 《IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING》, vol. 8, no. 3, XP011878646, DOI: 10.1109/TNSE.2021.3100096 * |
张佳乐; 赵彦超; 陈兵; 胡峰; 朱琨;: "边缘计算数据安全与隐私保护研究综述", 《通信学报》, vol. 39, no. 03 * |
张文科; 刘桂芬;: "云计算数据安全和隐私保护研究", 《信息安全与通信保密》, no. 11 * |
徐梦炜; 刘渊强; 黄康; 刘譞哲; 黄罡;: "面向移动终端智能的自治学习系统", 《软件学报》, vol. 31, no. 10 * |
聂晶;: "Python在大数据挖掘和分析中的应用优势", 《广西民族大学学报(自然科学版)》, no. 01 * |
Also Published As
Publication number | Publication date |
---|---|
CN114584564B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484273A (zh) | 应用程序的测试方法、设备及系统 | |
CN103593605A (zh) | 一种基于权限使用行为的安卓平台应用程序动态分析系统 | |
CN112559367B (zh) | 基于系统调用依赖图的内核模糊测试用例生成方法 | |
US20220094600A1 (en) | Managed remediation of non-compliant resources | |
CN103176892A (zh) | 一种页面监控方法及系统 | |
Bellettini et al. | Mardigras: Simplified building of reachability graphs on large clusters | |
US10242202B1 (en) | Apparatus and method for staged graph processing to produce a risk inference measure | |
Mohamed et al. | Performance and Dependability evaluation of distributed event-based systems: a dynamic code-injection approach | |
CN114116509A (zh) | 程序分析方法、装置、电子设备和存储介质 | |
Akbar et al. | Towards the optimization of power and bandwidth consumption in mobile-cloud hybrid applications | |
Zhang et al. | CIDFuzz: Fuzz testing for continuous integration | |
CN117914755A (zh) | 基于微服务架构的链路压测方法、系统、设备及存储介质 | |
CN114584564B (zh) | 一种隐私资源保护的移动终端侧数据寻址与分析方法 | |
US9823998B2 (en) | Trace recovery via statistical reasoning | |
CN110650063A (zh) | 一种集中式的银行第三方软件仿真系统及方法 | |
CN116467188A (zh) | 一种多环境场景下的通用本地复现系统和方法 | |
Silva et al. | Jsensor: a parallel simulator for huge wireless sensor networks applications | |
CN109669829A (zh) | 一种基于bmc的诊断调试方法、装置及服务器 | |
CN114840418A (zh) | 模糊测试方法及装置 | |
CN112416995B (zh) | 一种数据统计方法、装置、计算机设备及存储介质 | |
CN108933689A (zh) | 一种数据采集系统和方法 | |
CN113220586A (zh) | 一种自动化的接口压力测试执行方法、装置和系统 | |
CN113031964A (zh) | 一种大数据应用的管理方法、装置、设备及存储介质 | |
CN111949246A (zh) | 新能源电力行业应用的创建方法及装置 | |
Saifan et al. | Model-based testing of distributed systems |
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 |