CN116975897B - 一种智慧社区人员隐私信息安全管理系统 - Google Patents
一种智慧社区人员隐私信息安全管理系统 Download PDFInfo
- Publication number
- CN116975897B CN116975897B CN202311229135.0A CN202311229135A CN116975897B CN 116975897 B CN116975897 B CN 116975897B CN 202311229135 A CN202311229135 A CN 202311229135A CN 116975897 B CN116975897 B CN 116975897B
- Authority
- CN
- China
- Prior art keywords
- data
- combination
- mode
- privacy
- privacy information
- 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
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000007906 compression Methods 0.000 claims abstract description 40
- 230000006835 compression Effects 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 14
- 238000010276 construction Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Storage Device Security (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种智慧社区人员隐私信息安全管理系统。该系统包括:获取隐私信息维度及隐私数据;根据隐私信息维度获取组合方式及数据组合类型,并获取第一组合方式,根据第一组合方式与其余组合方式之间距离以及其内部数据组合类型的数据距离获取第一组合方式的局部相似性分布,根据局部相似性分布获取隐私信息维度的特征权重值;根据第一组合方式下的数据组合类型获取数据组合类型的压缩效率值,并根据数据组合类型有无的特征权重值获取其加密效果,以此获取数据组合类型的计算优先度;根据计算优先度对社区人员隐私信息进行加密。本发明根据社区人员信息的相关性避免了压缩算法无法达到最大压缩效率的缺点。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种智慧社区人员隐私信息安全管理系统。
背景技术
智慧社区作为城市智能化的重要组成部分,利用先进的信息技术改善居民生活质量、提高物业管理效率和优化公共服务。然而,随着网络技术的发展和大数据的应用,居民的个人信息安全问题逐渐凸显,信息存储过程中的安全性成为重中之重。
然而,在智慧社区人员隐私信息的安全存储过程中,由于需要采集各个维度的人员隐私信息,同时信息私密性要求,需要对采集的各个维度的人员隐私信息在压缩处理过程中,还需要考虑隐私效果,因此传统的压缩编码算法由于需要结合数据的规律性关系,会使得压缩后的数据的规律性更加显现,无法保证数据的私密性,例如LZW压缩算法明显不适用该类信息的压缩编码处理。而同时LZW压缩算法自身存在一定的缺陷,其数据的压缩效率取决于初始字典的构建,若初始字典构建不准确,会使得后续的字典更新过程中压缩效率达不到最高。基于此,本发明提出了一种智慧社区人员隐私信息安全管理系统,以实现一种智慧社区人员隐私信息安全管理。
发明内容
为了解决初始字典构建不准确的技术问题,本发明提供一种智慧社区人员隐私信息安全管理系统,所采用的技术方案具体如下:
本发明提出了一种智慧社区人员隐私信息安全管理系统,该系统包括以下模块:
隐私数据采集模块,用于获取不同的隐私信息维度,得到隐私信息维度的隐私数据;
特征权重值获取模块,用于对于隐私信息维度获取组合方式,根据组合方式获取其数据组合类型;根据隐私信息维度的组合方式的数据组合类型获取组合方式的分布特征,根据分布特征获取第一组合方式;根据第一组合方式中数据组合类型与其余组合方式的数据组合类型的距离获取第一组合方式与其余每个组合方式的最小匹配距离;根据第一组合方式内数据组合类型之间的相似性获取数据组合类型的数据距离;根据第一组合方式与其余每个组合方式的最小匹配距离和所有数据组合类型的数据距离获取第一组合方式的局部相似性分布;根据局部相似性分布、隐私信息维度不相同的隐私数据数量以及第一组合方式的分布特征获取每个隐私信息维度的特征权重值;
计算优先度获取模块,用于根据第一组合方式下的数据组合类型增加字符后的迭代获取数据组合类型的压缩效率值;将隐私信息维度的特征权重值与去掉一个数据组合类型的特征权重值的比值作为数据组合类型的加密效果,对数据组合类型的压缩效率值和加密效果进行加权求和获取数据组合类型的计算优先度;
加密模块,用于根据每个数据组合类型的计算优先度使用LZW算法对社区人员隐私信息进行加密。
优选的,所述获取不同的隐私信息维度,得到隐私信息维度的隐私数据的方法为:
对于采集的社区人员内的所有信息,每种信息对应一个隐私信息维度,将隐私信息维度的所有数据使用UTF-8编码转换获取隐私信息维度的隐私数据。
优选的,所述对于隐私信息维度获取组合方式,根据组合方式获取其数据组合类型的方法为:
组合方式只和字符的数量有关,不同数量的字符对应一个组合方式,每种组合方式对应多个数据组合类型,数据组合类型中的隐私数据为连续的。
优选的,所述根据隐私信息维度的组合方式的数据组合类型获取组合方式的分布特征,根据分布特征获取第一组合方式的方法为:
获取每个隐私信息维度的每个组合方式下数据组合类型的数量,计算所有数据组合类型的出现频率,将每个组合方式下数据组合类型的数量和数据组合类型出现频率的均值的乘积作为每个组合方式的分布特征;
将每个隐私信息维度的所有组合方式的分布特征进行线性归一化处理,利用大津阈值法获取每个隐私信息维度的特征阈值,大于特征阈值的分布特征对应的组合方式记为第一组合方式。
优选的,所述根据第一组合方式中数据组合类型与其余组合方式的数据组合类型的距离获取第一组合方式与其余每个组合方式的最小匹配距离的方法为:
将第一组合方式中的每个数据组合类型与其余组合方式的每个数据组合类型配对为一个匹配对,针对于每个匹配对,计算匹配对内两个数据组合类型的dtw距离;第一组合方式与每个组合方式存在多个匹配对,每个匹配对对应一个dtw距离,将dtw距离的最小值作为第一组合方式与每个组合方式的最小匹配距离。
优选的,所述根据第一组合方式内数据组合类型之间的相似性获取数据组合类型的数据距离的方法为:
对于任意一个第一组合方式,获取其所有数据组合类型,对两个数据组合类型使用皮尔逊相关系数进行计算,将皮尔逊相关系数大于预设阈值的数据组合类型作为一对数据类,将数据组合类型的字符按照顺序标号,所述数据距离为两个数据组合类型中相同的字符序号的差异的累加和,计算每个数据类的数据距离。
优选的,所述根据第一组合方式与其余每个组合方式的最小匹配距离和所有数据组合类型的数据距离获取第一组合方式的局部相似性分布的方法为:
将第一组合方式与其余每个组合方式的最小匹配距离求均值得到第一均值,将第一组合方式中所有数据类的数据距离的方差记为第一方差,第一均值和第一方差归一化后的乘积为第一组合方式的局部相似性分布。
优选的,所述根据局部相似性分布、隐私信息维度不相同的隐私数据数量以及第一组合方式的分布特征获取每个隐私信息维度的特征权重值的方法为:
;
式中,表示第个第一组合方式的局部相似性分布,表示第个第一组合
方式的分布特征,表示隐私信息维度的特征阈值,表示第一组合方式
的分布特征与特征阈值的差值的最大值,表示第个隐私信息维度的第一组合方式的
数量,表示第个隐私信息维度不相同的隐私数据的数量,表示第个隐私信息维
度的所有隐私数据的数量。
优选的,所述根据第一组合方式下的数据组合类型增加字符后的迭代获取数据组合类型的压缩效率值的方法为:
增加数据组合类型中的字符数量,令增加字符后的数据组合类型记为增加组合类型,根据增加组合类型与数据组合类型的比较获取压缩效率值;
;
式中,表示第h个数据组合类型字符数量为s+o时的增长组合类型,s
表示数据组合类型原本的字符数量,表示字符数量为6的数据组合类型,表示第
h个数据组合类型在添加o个字符时的增加匹配数量,表示第h个数据组合类型在经过
长度迭代后的所有数据组合类型的数量,表示第个隐私信息维度的第个第一组
合方式下的第个数据组合类型的压缩效率值。
优选的,所述根据每个数据组合类型的计算优先度使用LZW算法对社区人员隐私信息进行加密的方法为:
将所有计算优先度进行线性归一化,将归一化后的计算优先度从大到小排序,选取前20个数据组合类型构建初始的LZW字典,根据初始的LZW字典使用LZW算法对社区人员隐私信息进行加密。
本发明具有如下有益效果:本发明提出了一种智慧社区人员隐私信息安全管理系统,以实现一种智慧社区人员隐私信息安全管理。其中通过计算每个维度数据中的部分组合方式中的局部相似性作为特征权重值的基准值,在此基础上集合整体的分布的差异性来进行调整权重计算,得到最终的该维度的数据的特征权重值。根据不同组合方式的字符分布规律的变化获取保密程度,并结合压缩效率以及加密效果,来获取组合方式的字符的优先度来确定最终的LZW的初始字典,进行自适应LZW压缩编码。避免了传统的LZW压缩算法的初始字典构建不完备造成无法达到最大压缩效率的缺点,同时保证了LZW压缩过程中的数据的隐私性,以实现一种智慧社区人员隐私信息安全管理。
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和优点,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的介绍,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获得其它附图。
图1为本发明一个实施例所提供的一种智慧社区人员隐私信息安全管理系统流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种智慧社区人员隐私信息安全管理系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种智慧社区人员隐私信息安全管理系统实施例:
下面结合附图具体的说明本发明所提供的一种智慧社区人员隐私信息安全管理系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种智慧社区人员隐私信息安全管理系统流程图,该系统包括以下模块:
隐私数据采集模块,本实施例对社区人员的隐私信息进行安全管理,因此需要获取社区人员的信息,其中在本实施例中所采集的信息包括姓名、性别、出生日期、身份证信息、年龄等基本个人信息和电话号码、电子邮件地址、家庭住址等联系方式信息以及家庭成员信息和不同设施的服务使用记录等,在本实施例中将任意一种信息作为一个维度,例如姓名作为姓名维度,性别作为性别维度,因此获取了多个隐私信息维度,其中将每个隐私信息维度进行数据预处理,将每个隐私信息维度的所有数据使用UTF-8编码转换,得到每个隐私信息维度的隐私数据。
特征权重值获取模块,在传统的LZW算法在压缩过程中压缩效率取决于初始字典的构建,若初始字典构建不准确,会使得后续的字典更新过程中压缩效率达不到最高,因此传统的方法达不到本实施例期望的智慧社区人员的隐私信息压缩。同时,由于人员的隐私信息较为重要,则对应的在进行压缩的过程中,若压缩后的数据中存在较大的规律性,会使得不法分子容易根据数据之间的规律性,通过统计分析的方法进行破解。
因此本实施例根据在初始字典的构建过程中,通过分析不同隐私信息维度的隐私数据的变化和不同隐私信息维度的人员隐私数据的保密程度获取不同隐私数据的特征。
在不同隐私信息维度的隐私数据中,由于不同隐私信息维度的人员隐私数据的隐私性并不相同,例如智慧社区的居住楼号,层号,性别,年龄,社区出入记录等信息的隐私性就较弱,因此这些隐私信息维度的隐私数据会存在较多人相同,相对应的这些隐私信息维度的隐私数据并不能独特的表示某个人员的属性,因此这些隐私信息维度的数据隐私性较弱,特征权重值较弱,同样的,对于个人的身份证号以及电话号码等信息的隐私性较强,也即特征权重值较强。
其中特征权重值表现在:对于特征权重值较小的隐私信息维度,由于转换后的各个隐私信息维度的数据组合存在一定相似的分布(例如地址中的部分数据组合是相似的),这些隐私信息维度的隐私数据中的整体分布若存在相似性,其特征权重值也较小,因此本实施例通过计算每个隐私数据中的部分组合方式中的局部相似性作为特征权重值的基准值,在此基础上集合整体的分布的差异性来进行调整权重计算,得到最终的该隐私信息维度的隐私数据的特征权重值。
对于每个社区人员每个隐私信息维度,存在多种组合方式,所述组合方式为隐私信息维度内从隐私数据中挑选出的字符的数量,例如:2个字符为一个组合方式,3个字符为一个组合方式,组合方式只和字符的数量有关,和其余的任何因素都无关。在本实施例中设置5个组合方式,分别为2个字符到6个字符,对于每个隐私信息维度获取其表现较好的组合方式;其中将每个隐私信息维度的不同组合方式获取若干数据组合类型,每个组合方式可能存在多个数据组合类型,例如:(a,b,c,d)每个字母表示一个字符,组合方式为4个字符,数据组合类型存在(a,b),(b,c),(c,d);数据组合类型中的字符在组合方式中是连续的;根据每种组合方式的数据组合类型获取每个隐私信息维度的每个组合方式的分布特征,公式如下:
;
式中,表示第i个隐私信息维度的第j个组合方式下数据组合类型的数量,表示第i个隐私信息维度的第j个组合方式下每个数据组合类型的出现频率的均值,表示第i个隐私信息维度的第j个组合方式下的分布特征。
对每个隐私信息维度的所有组合方式的分布特征进行线性归一化处理,之后利用大津阈值法获取每个隐私信息维度的特征阈值,大于特征阈值的分布特征对应的组合方式即为表现较好的组合方式,记为第一组合方式。
对于任意一个第一组合方式,将其与其余组合方式的数据组合类型进行配对,将第一组合方式中的每个数据组合类型与其余组合方式的每个数据组合类型配对为一个匹配对;例如:第一组合方式中的其中一个数据组合类型为a1,另一个组合方式的数据组合类型有b1,b2,则针对于数据组合类型a1有两个匹配对,为(a1,b1),(a1,b2)。针对于每个匹配对,计算匹配对内两个数据组合类型的dtw距离;第一组合方式与每个组合方式存在多个匹配对,即存在多个dtw距离,每个dtw距离记为匹配距离,在这些dtw距离中获取最小值作为第一组合方式与每个组合方式的最小匹配距离;第一组合方式与每个组合方式都存在一个最小匹配距离。
对于任意一个第一组合方式,获取其所有数据组合类型之间的相似性,使用皮尔逊相关系数计算两个数据组合类型的相似性,在本实施例中,将皮尔逊相关系数大于0.5的两个数据组合类型作为一对数据类,获取所有数据类,计算每个数据类中数据组合类型的数据距离,计算数据距离时,将数据组合类型的字符按照顺序标号,所述数据距离为两个数据组合类型中相同的字符序号的差异的累加和;例如:数据组合类型(a,b,c)与数据组合类型(b,c,d)中字符b的序号差异为1,字符c的差异为1,数据距离为2;数据组合类型(a,b,c)与数据组合类型(b,c,a)中字符a的序号差异为2,字符b的序号差异为1,字符c的序号差异为1,数据距离为4。
根据第一组合方式与其余所有组合方式的最小匹配距离以及第一组合方式的所有数据类的数据距离获取第一组合方式的局部相似性分布,公式如下:
;
式中,表示第个第一组合方式与其余所有组合方式的最小匹配距离的均
值,表示第个第一组合方式的所有数据类的数据距离的方差,表示以自然
常数为底的指数函数,表示第个第一组合方式的局部相似性分布。
其中个别隐私信息维度的组合方式较少,且可能不存在数据组合类型,因此无法
进行上述计算,此时令。
对于所有社区人员的隐私信息维度,将每个隐私信息维度的所有隐私数据中得到不相同的隐私数据的数量;例如:隐私信息维度为“性别”,那么社区人员不相同的隐私数据的数量为2,如果隐私信息维度为“身份证号”,那么社区人员不相同的隐私数据的数量为社区人员的数量。
由此根据每个组合方式的局部相似性分布以及不同隐私信息维度不相同的隐私数据的数量获取每个隐私信息维度的特征权重值,公式如下:
;
式中,表示第个第一组合方式的局部相似性分布,表示第个第一组合
方式的分布特征,表示隐私信息维度的特征阈值,表示第一组合方式
的分布特征与特征阈值的差值的最大值,表示第个隐私信息维度的第一组合方式的
数量,表示第个隐私信息维度不相同的隐私数据的数量,表示第个隐私信息维
度的所有隐私数据的数量。
至此,获取了每个隐私信息维度的特征权重值。
计算优先度获取模块,对于所得到的不同字符的组合方式,为了保证后续的数据保密效果,则需要在上述各种字符的组合方式的压缩效率的基础上保证保密性;对于不同字符的组合方式,若一些字符的组合方式的分布较为规律,则对应的越需要保证数据的压缩效率,若一些字符的组合方式的分布不规律,则对应的越需要保证数据的加密效果;因此在计算不同隐私信息维度的隐私数据的保密程度来确定最终的LZW的初始字典的过程中,通过不同组合方式的字符分布规律的变化,结合压缩效率以及加密效果,来获取组合方式的字符的优先度。
对于每个隐私信息维度的第一组合方式下的数据组合类型,令该数据组合类型进行长度迭代,增加数据组合类型中的字符数量,令增加字符后的数据组合类型记为增加组合类型,在本实施例中,所述迭代长度的上限为数据组合类型中字符数量为6,获取增加组合类型与该字符对应的组合方式中的匹配距离,将匹配距离归一化,在本实施例中,将匹配距离大于0.65的数据组合类型的数量记为增加匹配数量,每次的数据组合变化越小,说明压缩效率越高,因此获取压缩效率值,公式如下:
;
式中,表示第h个数据组合类型字符数量为s+o时的增长组合类型,s
表示数据组合类型原本的字符数量,表示字符数量为6的数据组合类型,表示第
h个数据组合类型在添加o个字符时的增加匹配数量,表示第h个数据组合类型在经过
长度迭代后的所有数据组合类型的数量,表示第个隐私信息维度的第个第一组
合方式下的第个数据组合类型的压缩效率值。
根据隐私信息维度的特征权重值获取数据组合类型的加密效果,其中加密效果体现在若将该数据进行加密处理后,整个数据的变化程度,若整个数据的变化程度越大,则表明该数据组合类型的加密效果较好。对于一个隐私信息维度,将其中一个第一组合方式下的一个数据组合类型去掉后获取其对应的特征权重值记为裂隙特征权重值,因此每一个数据组合类型对应一个裂隙特征权重值,将该隐私信息维度的特征权重值与裂隙特征权重值的比值与1的差值作为该数据组合类型的加密效果。
根据所得到的加密效果和压缩效率值获取数据组合类型的计算优先度,公式如下:
;
;
式中,表示第个第一组合方式的局部相似性分布,表示以自然常数为
底的指数函数,表示第个隐私信息维度的第个第一组合方式下的第个数据
组合类型的保密程度,表示第个隐私信息维度的第个第一组合方式下的第
个数据组合类型的压缩效率值,表示第个隐私信息维度的第个第一组合方式
下的第个数据组合类型的加密效果。
其中保密程度体现在,该数据组合类型的数据在对应的隐私信息维度(即第个
隐私信息维度)是否存在多样性,其中多样性可以通过数据组合类型的对应的局部相似性
分布来表征,即局部相似性分布越大,则对应的保密程度越低。若该数据组合类型的保密程
度越小,则需要更在意数据的压缩效果,若压缩效果越大,则对应的以该数据组合作为构建
LZW字典的优先级就越大;若该数据组合类型的保密程度越大,则需要更在意加密效果,若
加密效果越大,则对应的以该数据组合作为构建LZW字典的优先级就越大,可以保证数据的
隐私性。
至此,获取了每个数据组合类型的计算优先度。
加密模块,根据所获得的计算优先度,对其进行线性归一化处理,之后按照从大到小的顺序进行排序,选取前20个数据组合类型构建初始的LZW字典,这样即可以保证LZW算法的压缩率,同时可以保证智慧社区人员隐私信息的隐私性;
根据所获取的LZW字典对采集的多维度的智慧社区人员隐私信息进行LZW存储处理,其中该方法为公知技术,在本实施例中不再赘述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
Claims (9)
1.一种智慧社区人员隐私信息安全管理系统,其特征在于,该系统包括以下模块:
隐私数据采集模块,用于获取不同的隐私信息维度,得到隐私信息维度的隐私数据;
特征权重值获取模块,用于对于隐私信息维度获取组合方式,根据组合方式获取其数据组合类型;根据隐私信息维度的组合方式的数据组合类型获取组合方式的分布特征,根据分布特征获取第一组合方式;根据第一组合方式中数据组合类型与其余组合方式的数据组合类型的距离获取第一组合方式与其余每个组合方式的最小匹配距离;根据第一组合方式内数据组合类型之间的相似性获取数据组合类型的数据距离;根据第一组合方式与其余每个组合方式的最小匹配距离和所有数据组合类型的数据距离获取第一组合方式的局部相似性分布;根据局部相似性分布、隐私信息维度不相同的隐私数据数量以及第一组合方式的分布特征获取每个隐私信息维度的特征权重值;
计算优先度获取模块,用于根据第一组合方式下的数据组合类型增加字符后的迭代获取数据组合类型的压缩效率值;将隐私信息维度的特征权重值与去掉一个数据组合类型的特征权重值的比值作为数据组合类型的加密效果,对数据组合类型的压缩效率值和加密效果进行加权求和获取数据组合类型的计算优先度;
加密模块,用于根据每个数据组合类型的计算优先度使用LZW算法对社区人员隐私信息进行加密;
所述根据隐私信息维度的组合方式的数据组合类型获取组合方式的分布特征,根据分布特征获取第一组合方式的方法为:获取每个隐私信息维度的每个组合方式下数据组合类型的数量,计算所有数据组合类型的出现频率,将每个组合方式下数据组合类型的数量和数据组合类型出现频率的均值的乘积作为每个组合方式的分布特征;将每个隐私信息维度的所有组合方式的分布特征进行线性归一化处理,利用大津阈值法获取每个隐私信息维度的特征阈值,大于特征阈值的分布特征对应的组合方式记为第一组合方式。
2.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述获取不同的隐私信息维度,得到隐私信息维度的隐私数据的方法为:
对于采集的社区人员内的所有信息,每种信息对应一个隐私信息维度,将隐私信息维度的所有数据使用UTF-8编码转换获取隐私信息维度的隐私数据。
3.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述对于隐私信息维度获取组合方式,根据组合方式获取其数据组合类型的方法为:
组合方式只和字符的数量有关,不同数量的字符对应一个组合方式,每种组合方式对应多个数据组合类型,数据组合类型中的隐私数据为连续的。
4.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述根据第一组合方式中数据组合类型与其余组合方式的数据组合类型的距离获取第一组合方式与其余每个组合方式的最小匹配距离的方法为:
将第一组合方式中的每个数据组合类型与其余组合方式的每个数据组合类型配对为一个匹配对,针对于每个匹配对,计算匹配对内两个数据组合类型的dtw距离;第一组合方式与每个组合方式存在多个匹配对,每个匹配对对应一个dtw距离,将dtw距离的最小值作为第一组合方式与每个组合方式的最小匹配距离。
5.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述根据第一组合方式内数据组合类型之间的相似性获取数据组合类型的数据距离的方法为:
对于任意一个第一组合方式,获取其所有数据组合类型,对两个数据组合类型使用皮尔逊相关系数进行计算,将皮尔逊相关系数大于预设阈值的数据组合类型作为一对数据类,将数据组合类型的字符按照顺序标号,所述数据距离为两个数据组合类型中相同的字符序号的差异的累加和,计算每个数据类的数据距离。
6.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述根据第一组合方式与其余每个组合方式的最小匹配距离和所有数据组合类型的数据距离获取第一组合方式的局部相似性分布的方法为:
将第一组合方式与其余每个组合方式的最小匹配距离求均值得到第一均值,将第一组合方式中所有数据类的数据距离的方差记为第一方差,第一均值和第一方差归一化后的乘积为第一组合方式的局部相似性分布。
7.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述根据局部相似性分布、隐私信息维度不相同的隐私数据数量以及第一组合方式的分布特征获取每个隐私信息维度的特征权重值的方法为:
式中,表示第l个第一组合方式的局部相似性分布,αl表示第l个第一组合方式的分布特征,αT表示隐私信息维度的特征阈值,max(α-αT)表示第一组合方式的分布特征与特征阈值的差值的最大值,Li表示第i个隐私信息维度的第一组合方式的数量,ui表示第i个隐私信息维度不相同的隐私数据的数量,Ui表示第i个隐私信息维度的所有隐私数据的数量。
8.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述根据第一组合方式下的数据组合类型增加字符后的迭代获取数据组合类型的压缩效率值的方法为:
增加数据组合类型中的字符数量,令增加字符后的数据组合类型记为增加组合类型,根据增加组合类型与数据组合类型的比较获取压缩效率值;
式中,Ds+o(h)表示第h个数据组合类型字符数量为s+o时的增长组合类型,s表示数据组合类型原本的字符数量,D6表示字符数量为6的数据组合类型,mo,h表示第h个数据组合类型在添加o个字符时的增加匹配数量,Mh表示第h个数据组合类型在经过长度迭代后的所有数据组合类型的数量,γl,i(h)表示第i个隐私信息维度的第l个第一组合方式下的第h个数据组合类型的压缩效率值。
9.如权利要求1所述的一种智慧社区人员隐私信息安全管理系统,其特征在于,所述根据每个数据组合类型的计算优先度使用LZW算法对社区人员隐私信息进行加密的方法为:
将所有计算优先度进行线性归一化,将归一化后的计算优先度从大到小排序,选取前20个数据组合类型构建初始的LZW字典,根据初始的LZW字典使用LZW算法对社区人员隐私信息进行加密。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311229135.0A CN116975897B (zh) | 2023-09-22 | 2023-09-22 | 一种智慧社区人员隐私信息安全管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311229135.0A CN116975897B (zh) | 2023-09-22 | 2023-09-22 | 一种智慧社区人员隐私信息安全管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116975897A CN116975897A (zh) | 2023-10-31 |
CN116975897B true CN116975897B (zh) | 2023-12-19 |
Family
ID=88473414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311229135.0A Active CN116975897B (zh) | 2023-09-22 | 2023-09-22 | 一种智慧社区人员隐私信息安全管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116975897B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523143A (zh) * | 2020-07-03 | 2020-08-11 | 支付宝(杭州)信息技术有限公司 | 针对多方的隐私数据进行聚类的方法和装置 |
CN111753324A (zh) * | 2019-03-29 | 2020-10-09 | 华控清交信息科技(北京)有限公司 | 私有数据的处理方法、计算方法及所适用的设备 |
CN112464281A (zh) * | 2020-11-29 | 2021-03-09 | 哈尔滨工程大学 | 基于隐私分组和情感识别的网络信息分析方法 |
CN115859369A (zh) * | 2023-02-28 | 2023-03-28 | 聊城市洛溪信息科技有限公司 | 一种社交网络图片中隐私信息保护方法 |
CN116028953A (zh) * | 2023-01-10 | 2023-04-28 | 北京八分量信息科技有限公司 | 一种基于隐私计算的数据加密方法 |
CN116521093A (zh) * | 2023-07-03 | 2023-08-01 | 漳州科恒信息科技有限公司 | 一种智慧社区人脸数据存储方法及系统 |
CN116663069A (zh) * | 2023-08-01 | 2023-08-29 | 国家基础地理信息中心 | 基于数据编码的数据库安全加密方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239982A1 (en) * | 2005-10-13 | 2007-10-11 | International Business Machines Corporation | Method and apparatus for variable privacy preservation in data mining |
-
2023
- 2023-09-22 CN CN202311229135.0A patent/CN116975897B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111753324A (zh) * | 2019-03-29 | 2020-10-09 | 华控清交信息科技(北京)有限公司 | 私有数据的处理方法、计算方法及所适用的设备 |
CN111523143A (zh) * | 2020-07-03 | 2020-08-11 | 支付宝(杭州)信息技术有限公司 | 针对多方的隐私数据进行聚类的方法和装置 |
CN112464281A (zh) * | 2020-11-29 | 2021-03-09 | 哈尔滨工程大学 | 基于隐私分组和情感识别的网络信息分析方法 |
CN116028953A (zh) * | 2023-01-10 | 2023-04-28 | 北京八分量信息科技有限公司 | 一种基于隐私计算的数据加密方法 |
CN115859369A (zh) * | 2023-02-28 | 2023-03-28 | 聊城市洛溪信息科技有限公司 | 一种社交网络图片中隐私信息保护方法 |
CN116521093A (zh) * | 2023-07-03 | 2023-08-01 | 漳州科恒信息科技有限公司 | 一种智慧社区人脸数据存储方法及系统 |
CN116663069A (zh) * | 2023-08-01 | 2023-08-29 | 国家基础地理信息中心 | 基于数据编码的数据库安全加密方法及系统 |
Non-Patent Citations (2)
Title |
---|
LOW COMPLEXITY SECURE P-TENSOR PRODUCT COMPRESSED SENSING RECONSTRUCTION OUTSOURCING AND IDENTITY AUTHENTICATION IN CLOUD;Wang, Mengdi;《IEEE》;全文 * |
社会机会网络中基于局部敏感哈希的用户隐私保护方案;刘轩甫;刘玉梅;;应用科技(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116975897A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10990811B2 (en) | Image classification and information retrieval over wireless digital networks and the internet | |
CN110009475B (zh) | 风险稽核监察方法、装置、计算机设备及存储介质 | |
CN111612038B (zh) | 异常用户检测方法及装置、存储介质、电子设备 | |
CN112199957B (zh) | 基于属性和关系信息联合嵌入的人物实体对齐方法及系统 | |
CN113328755B (zh) | 一种面向边缘计算的压缩数据传输方法 | |
CN112307472A (zh) | 基于智能决策的异常用户识别方法、装置及计算机设备 | |
CN107273783A (zh) | 人脸识别系统及其方法 | |
CN116975897B (zh) | 一种智慧社区人员隐私信息安全管理系统 | |
CN113743796A (zh) | 基于权重的多约束条件双随机抽查方法 | |
Wei et al. | Health insurance market risk assessment: Covariate shift and k-anonymity | |
Mishra et al. | A review on gender classification using association rule mining and classification based on fingerprints | |
WO2024001102A1 (zh) | 一种通信行业家庭圈智能识别的方法、装置及设备 | |
Wu et al. | Deep learning in automatic fingerprint identification | |
CN114491049A (zh) | 一种基于信息管理的办公系统资产配置方法 | |
US20200327965A1 (en) | System and method of integrated patient unique identity management | |
CN112215627B (zh) | 一种客户信息数据处理系统 | |
Hakim et al. | An innovative and robust technique for human identification and authentication based on a secure clinical signals transmission | |
Diday | Explanatory tools for machine learning in the symbolic data analysis framework | |
Modi et al. | Fingerprint recognition performance evaluation for mobile ID applications | |
CN117891926B (zh) | 一种基于人工智能的文本特征诈骗预警系统 | |
CN112559823B (zh) | 一种数据标准化的数据采集方法 | |
KR20110054637A (ko) | 화상 인증 방법 및 장치 | |
CN116414827A (zh) | 一种基于智能库的终端数据采集分析管理方法 | |
Passalis et al. | Leveraging quadratic spherical mutual information hashing for fast image retrieval | |
Loyola et al. | Using the web to support political analysis: identifying legislative bill ideology in the chilean parliament |
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 |