亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        面向時(shí)空特性的社會(huì)網(wǎng)絡(luò)個(gè)性化隱私保護(hù)算法

        2022-10-15 03:06:44夏秀峰尹伯陽(yáng)劉向宇李佳佳宗傳玉
        關(guān)鍵詞:定義用戶

        夏秀峰,尹伯陽(yáng),劉向宇,2,李佳佳,宗傳玉 ,朱 睿

        1(沈陽(yáng)航空航天大學(xué) 計(jì)算機(jī)學(xué)院,沈陽(yáng) 110036)

        2(新西蘭惠靈頓理工學(xué)院 信息與商科學(xué)院,新西蘭 下哈特 5010)

        E-mail:boyang_yin@163.com

        1 引 言

        隨著社交網(wǎng)絡(luò)技術(shù)的發(fā)展,人們對(duì)社交網(wǎng)絡(luò)信息發(fā)布的需求正由“無(wú)差異”逐步發(fā)展為“個(gè)性化”,具有個(gè)性化的簽到數(shù)據(jù)導(dǎo)致了敏感關(guān)系隱私泄露問(wèn)題.針對(duì)具有相同時(shí)間和地點(diǎn)的簽到數(shù)據(jù),不同用戶對(duì)于完全公開(kāi)、部分公開(kāi)、還是不公開(kāi)信息的需求存在巨大差異.由于用戶個(gè)體對(duì)不同簽到數(shù)據(jù)的敏感性并不一致,并且對(duì)于同一簽到數(shù)據(jù),用戶在不同時(shí)期的敏感性不同,從而使用戶對(duì)于簽到數(shù)據(jù)的敏感性呈現(xiàn)動(dòng)態(tài)化特征,會(huì)隨著時(shí)間的變化而發(fā)生變化.因此,在發(fā)布簽到數(shù)據(jù)時(shí)需要考慮用戶的個(gè)性化隱私需求.綜上所述,當(dāng)前社交網(wǎng)絡(luò)隱私保護(hù)研究忽視了基于簽到數(shù)據(jù)的推演攻擊,同時(shí)簽到數(shù)據(jù)的時(shí)空特性增加了推演隱私攻擊的難度,這些特點(diǎn)使社交網(wǎng)絡(luò)隱私保護(hù)變得更加復(fù)雜、更具有挑戰(zhàn)性.

        k-匿名模型[1,2]經(jīng)常被用于數(shù)據(jù)發(fā)布中的信息保護(hù).在用戶使用社交應(yīng)用時(shí),產(chǎn)生了個(gè)人隱私的泄露風(fēng)險(xiǎn),無(wú)論用戶是否具有主動(dòng)保護(hù)個(gè)人隱私的想法與需求,大多數(shù)用戶本身在隱私泄露面前都是難以察覺(jué)或者無(wú)法有效處理的.文獻(xiàn)[3]提出攻擊者會(huì)將其他方面的背景知識(shí)或者根據(jù)分析用戶的背景知識(shí),作為隱私攻擊過(guò)程中的數(shù)據(jù)源.文獻(xiàn)[4]考慮到只能防止具有相同背景知識(shí)攻擊的單一模型,無(wú)法滿足用戶的個(gè)性化隱私要求.因此提出了一個(gè)基于用戶個(gè)人隱私請(qǐng)求的隱私保護(hù)服務(wù)框架.根據(jù)攻擊者逐漸增長(zhǎng)的背景知識(shí),定義了3個(gè)級(jí)別的保護(hù)需求.文獻(xiàn)[5]提出了一種具有個(gè)性化差異隱私的概率矩陣分解推薦方案(PDP-PMF).文獻(xiàn)[6]提出分別用一個(gè)特定區(qū)域和一組位置類型替換用戶的真實(shí)位置和查詢目標(biāo).文獻(xiàn)[7]根據(jù)時(shí)間重疊相似性、軌跡方向相似性和軌跡間距離的不確定性,計(jì)算兩條軌跡之間的相關(guān)性.文獻(xiàn)[8]提出了通過(guò)匹配用戶的共享位置與他們的真實(shí)移動(dòng)軌跡,量化移動(dòng)社交網(wǎng)絡(luò)的引發(fā)位置隱私泄漏.文獻(xiàn)[9]通過(guò)分析k-匿名模型的缺點(diǎn),提出l-使用多樣性來(lái)加強(qiáng)隱私保護(hù).文獻(xiàn)[10]提出了一種以用戶為中心的混淆方法,稱為KLAP,基于3個(gè)基本混淆需求:位置、多樣性和隱私區(qū)域保存.文獻(xiàn)[11]首先總結(jié)了k-匿名算法對(duì)標(biāo)準(zhǔn)標(biāo)識(shí)符中敏感屬性的影響,然后從匿名數(shù)據(jù)的隱私性和安全性的角度分析了改進(jìn)的l-多樣性算法.社交網(wǎng)絡(luò)隱私保護(hù)常見(jiàn)的技術(shù)還包括數(shù)據(jù)擾動(dòng)[12]、查詢結(jié)果擾動(dòng)[13]以及在統(tǒng)計(jì)學(xué)領(lǐng)域提出的其他解決方案.

        針對(duì)社交網(wǎng)絡(luò)中的個(gè)性化簽到數(shù)據(jù)發(fā)布,從而導(dǎo)致用戶的身份隱私泄露的問(wèn)題,本文提出了一種面向時(shí)空特性的社會(huì)網(wǎng)絡(luò)個(gè)性化隱私保護(hù)方法.本文研究工作主要分為如下幾個(gè)方面:首先,采用泛化技術(shù)來(lái)防止用戶的身份隱私泄露,避免發(fā)布的時(shí)空數(shù)據(jù)過(guò)于稀疏造成數(shù)據(jù)可用性的降低.通過(guò)背景知識(shí)的分級(jí),分階段泛化原始時(shí)空數(shù)據(jù),得到泛化結(jié)果;根據(jù)泛化結(jié)果,結(jié)合用戶自身的個(gè)性化隱私保護(hù)需求,對(duì)相應(yīng)的敏感信息設(shè)定不同敏感程度值;采用泛化層次數(shù)規(guī)則評(píng)估每個(gè)敏感地點(diǎn)的敏感程度,實(shí)現(xiàn)攻擊者不會(huì)通過(guò)簽到數(shù)據(jù)發(fā)布中包含的背景知識(shí)匹配出用戶的身份信息,從而保護(hù)用戶的身份隱私,滿足用戶的個(gè)性化隱私保護(hù)需求.

        2 時(shí)空數(shù)據(jù)敏感屬性分級(jí)及相關(guān)定義

        2.1 時(shí)空簽到數(shù)據(jù)及相關(guān)定義

        定義1.(時(shí)空簽到數(shù)據(jù)元組):給定一個(gè)時(shí)空簽到數(shù)據(jù)元組ti,則時(shí)空簽到元組ti可以表示為,其中UID表示用戶的標(biāo)識(shí),t表示該條時(shí)空簽到數(shù)據(jù)的時(shí)間戳,(x,y)表示該條時(shí)空數(shù)據(jù)中地點(diǎn)的經(jīng)緯度,其中x為該位置的經(jīng)度,y為該位置的緯度,LID表示該條時(shí)空簽到數(shù)據(jù)所在地點(diǎn)的唯一標(biāo)識(shí),每一個(gè)語(yǔ)義標(biāo)識(shí)都對(duì)應(yīng)一個(gè)地圖上的地點(diǎn),例如公園,醫(yī)院等.通過(guò)時(shí)空簽到數(shù)據(jù)所在地點(diǎn)的唯一標(biāo)識(shí),可以獲取該地點(diǎn)的位置名稱信息、地點(diǎn)類別、標(biāo)記類型等.

        定義2.(時(shí)空簽到數(shù)據(jù)屬性):給定一個(gè)時(shí)空簽到數(shù)據(jù)元組ti,則時(shí)空簽到元組ti可以表示為,其中UID用戶的標(biāo)識(shí)符,t,(x,y)為該條時(shí)空簽到數(shù)據(jù)的準(zhǔn)標(biāo)識(shí)符,LID為該條時(shí)空簽到數(shù)據(jù)所在敏感屬性地點(diǎn)名稱s或非敏感屬性地點(diǎn).

        2.2 時(shí)空數(shù)據(jù)敏感屬性分級(jí)及相關(guān)定義

        定義3.(第1級(jí)別時(shí)空簽到數(shù)據(jù)敏感屬性):若在某用戶已發(fā)布的時(shí)空數(shù)據(jù)表的簽到數(shù)據(jù)集合中僅存在一條準(zhǔn)標(biāo)識(shí)符為的元組,假設(shè)攻擊者通過(guò)已發(fā)布的時(shí)空簽到數(shù)據(jù)表外的其他途徑獲取某用戶簽到集合中的一條數(shù)據(jù)作為背景知識(shí),則攻擊者可以確定唯一一個(gè)用戶Up匹配,此時(shí)用戶Up的標(biāo)識(shí)符屬性泄露,即用戶Up的簽到數(shù)據(jù)集合泄露.

        定義4.(第2級(jí)別面向時(shí)空特性的數(shù)據(jù)敏感屬性):若已經(jīng)發(fā)布的時(shí)空數(shù)據(jù)表的兩個(gè)不同用戶簽到數(shù)據(jù)集合中分別存在一條標(biāo)識(shí)符為的元組和一條準(zhǔn)標(biāo)識(shí)符為的元組,假設(shè)攻擊者通過(guò)從已經(jīng)發(fā)布時(shí)空簽到數(shù)據(jù)表外的其他途徑獲取一條數(shù)據(jù)作為背景知識(shí),即使兩條簽到數(shù)據(jù)中存在相同的準(zhǔn)標(biāo)識(shí)符,則攻擊者可以根據(jù)簽到敏感地點(diǎn)的差異性,從而唯一確定一個(gè)用戶Up匹配,此時(shí)用戶Up的標(biāo)識(shí)符屬性泄露且用戶Up的簽到數(shù)據(jù)集合泄露.

        定義5.(第3級(jí)別面向時(shí)空特性的數(shù)據(jù)敏感屬性):若已經(jīng)發(fā)布的時(shí)空數(shù)據(jù)表的某用戶簽到數(shù)據(jù)集合中存在n(n=1,2,3…)個(gè)準(zhǔn)標(biāo)識(shí)符相同但敏感地點(diǎn)屬性不完全相同的元組,攻擊者通過(guò)從已經(jīng)發(fā)布時(shí)空簽到數(shù)據(jù)表中獲得用戶UP在某一相同地點(diǎn)Ll的簽到次數(shù)為m,則攻擊者可以分析出該用戶訪問(wèn)某一簽到地點(diǎn)Ln的頻率為m/n.若該用戶訪問(wèn)地點(diǎn)Ln的頻率值過(guò)大,則用戶UP的敏感地點(diǎn)偏好泄露.

        定義6.(泛化詞分類表):泛化詞分類表中,所有敏感屬性s組成敏感屬性集合S,按照標(biāo)記類型 (Type)、地點(diǎn)名稱(LID)和地點(diǎn)類別(Category)之間的語(yǔ)義從屬關(guān)系建立.每一個(gè)地點(diǎn)名稱LID都會(huì)對(duì)應(yīng)地點(diǎn)類別和標(biāo)記類型,如表1所示.

        表1 泛化詞分類示例表Table 1 Generalized word classification

        定義7.(第4級(jí)別面向時(shí)空特性的數(shù)據(jù)敏感屬性):若已經(jīng)發(fā)布的時(shí)空數(shù)據(jù)表的簽到數(shù)據(jù)集合中存在一條標(biāo)識(shí)符為的元組,用戶可以選擇地點(diǎn)類別或標(biāo)記類型替代敏感屬性Ln進(jìn)行發(fā)布.

        定義8.(數(shù)值型屬性元組間的距離):令N為有限數(shù)值域,元組中任意兩個(gè)數(shù)值ti,tj∈N之間的標(biāo)準(zhǔn)距離定義為:

        (1)

        其中|D|表示域D的最大值與最小值的差值.

        定義9.(泛化層次距離):設(shè)H為原始數(shù)據(jù)表中某一分類型屬性可能泛化到的最高層次,其中D1為值域,D2到Dn為泛化域,j和j-1表示值域與泛化域之間的泛化權(quán)重.由Dp中的值泛化到Dq值的距離定義為泛化的加權(quán)層次距離:

        (2)

        定義10.(分類型屬性元組間距離):設(shè)t1和t2為同一原始數(shù)據(jù)表中不同的兩個(gè)元組,t12為t1和t1這兩個(gè)元組的最近公共泛化元組,則t1和t2兩個(gè)元組間的距離可以定義為:

        HDist(t1,t2)=HDist(t1,t12)+HDist(t2,t12)

        (3)

        3 時(shí)空數(shù)據(jù)個(gè)性化隱私保護(hù)算法

        PSTPP算法集成了個(gè)性化匿名的兩種機(jī)制,能在對(duì)敏感屬性設(shè)置了相應(yīng)的約束條件的同時(shí),滿足個(gè)人對(duì)隱私保護(hù)的要求.即用戶可以在系統(tǒng)提供背景知識(shí)分級(jí)保護(hù)的同時(shí),為自己的敏感值設(shè)定隱私保護(hù)的級(jí)別.

        3.1 設(shè)計(jì)思想

        算法通過(guò)為敏感屬性構(gòu)造泛化層次樹(shù)的方式,允許特定的用戶為自己的敏感屬性值設(shè)置隱私保護(hù)級(jí)別.同時(shí)構(gòu)造泛化詞分類表,依據(jù)語(yǔ)義信息把相同類別的敏感地點(diǎn)進(jìn)行分類,通過(guò)層次泛化樹(shù)中搜索敏感地點(diǎn)結(jié)點(diǎn)的父親結(jié)點(diǎn)對(duì)該結(jié)點(diǎn)進(jìn)行替換,這樣不但泛化了敏感地點(diǎn)的語(yǔ)義信息,使攻擊者無(wú)法準(zhǔn)備匹配出用戶的隱私信息,同時(shí)保留了簽到數(shù)據(jù)的語(yǔ)義特征.

        那么為敏感屬性s構(gòu)建一個(gè)泛化層次樹(shù)GHT(Generalization Hierarchy Tree),樹(shù)中的每一個(gè)結(jié)點(diǎn)包括根節(jié)點(diǎn)和父親節(jié)點(diǎn),都有一個(gè)敏感地點(diǎn)屬性值SID與其一一對(duì)應(yīng),如圖1所示.敏感地點(diǎn)屬性的原始值作為樹(shù)的葉子節(jié)點(diǎn),對(duì)應(yīng)的樹(shù)層次級(jí)別為1.根據(jù)泛化查詢層次的偏移量,計(jì)算每條數(shù)據(jù)泛化的平均高度求出信息損失.

        圖1 泛化層次樹(shù)Fig.1 Generalization hierarchy tree graph

        在泛化層次樹(shù)中,越接近根節(jié)點(diǎn),泛化的程度越高.用戶可以在系統(tǒng)提供基于背景知識(shí)分級(jí)保護(hù)的同時(shí),為自己的敏感屬性設(shè)定隱私保護(hù)敏感值.依據(jù)泛化層次數(shù),允許用戶個(gè)性化設(shè)定敏感屬性的敏感屬性值.

        定義11.(個(gè)性化敏感屬性值PPL):給定敏感屬性s和其對(duì)應(yīng)的地點(diǎn)類別和標(biāo)記類型,每一個(gè)敏感地點(diǎn)屬性值都對(duì)應(yīng)SID中唯一的一個(gè)敏感屬性值PPL(Privacy Preservation Level).

        表2是用戶指定的隱私保護(hù)級(jí)別表,其中PPL值為空的元組表示用戶沒(méi)有為自己的敏感屬性設(shè)置個(gè)性化敏感屬性值.

        表2 個(gè)性化敏感屬性值示例表Table 2 Personalized sensitive attribute values

        若PPL≤SID,則對(duì)敏感值的簽到數(shù)據(jù)不進(jìn)行處理,對(duì)PPL>SID的數(shù)據(jù),則使用泛化層次樹(shù)中與PPL的值對(duì)應(yīng)SID所在的原始值的父節(jié)點(diǎn)代替當(dāng)前的敏感地點(diǎn)屬性.

        3.2 算法描述

        算法1是對(duì)PSTPP的描述.在發(fā)布的簽到數(shù)據(jù)集滿足隱私保護(hù)級(jí)別參數(shù)約束的前提下,對(duì)用戶設(shè)置的個(gè)性化敏感屬性值進(jìn)行判定,并對(duì)不能同時(shí)滿足約束的數(shù)據(jù)進(jìn)行相應(yīng)處理.運(yùn)用泛化操作,查詢泛化樹(shù)中對(duì)應(yīng)的結(jié)點(diǎn),替換原有的敏感屬性信息,使得數(shù)據(jù)集滿足輸入的參數(shù)約束.最后依據(jù)個(gè)性化的隱私保護(hù)規(guī)則,生成可發(fā)布的安全數(shù)據(jù)集.

        算法1.時(shí)空數(shù)據(jù)個(gè)性化隱私保護(hù)PSTPP算法

        輸入:數(shù)據(jù)集D,匿名參數(shù)(k,l,α),敏感屬性s,等價(jià)類C,元組t,敏感地點(diǎn)屬性值SID,GHT,部分用戶指定的個(gè)性化敏感屬性值PPL;

        輸出:安全發(fā)布的滿足約束條件匿名簽到數(shù)據(jù)集D′;

        1.D←φ;

        2.For CreateCforD

        3.According totiandtmax,partitionCintoC1,C2

        4.SuchC1,C2are more local than T and eitherC1,C2has leastktuples

        5.IfC1

        6. Recursively partitionC1

        7.Else partitionC2

        8.For Merge thoseCinD;

        9.IfG≠φthenD←Gand return up code then

        10.GetD*

        11.ElseDgenerateC

        12.IftinD*thatPPL>SIDthen

        13. Findnodetin GHT thenD′←nodet

        14.ElseD*←nodet

        15.ReturnD′;

        4 實(shí) 驗(yàn)

        4.1 實(shí)驗(yàn)環(huán)境設(shè)置

        本文中的實(shí)驗(yàn)數(shù)據(jù)來(lái)源于現(xiàn)實(shí)的Brightkite數(shù)據(jù)集(Brightkite datasets: Network datasets: Brightkite stanford.edu),表3給出了實(shí)驗(yàn)數(shù)據(jù)集的構(gòu)成.收集了用戶從2008年4月份至2010年10月份的簽到數(shù)據(jù),并且通過(guò)預(yù)處理選出美國(guó)加利福尼亞州的數(shù)據(jù).Brightkite數(shù)據(jù)集包含9435名用戶和541169個(gè)簽到點(diǎn).由于數(shù)據(jù)過(guò)多,因此提取Brightkite數(shù)據(jù)集中2008年4月1日至2009年5月1日的36594條數(shù)據(jù),總共包涵622個(gè)用戶.將簽到數(shù)據(jù)集中的簽到位置進(jìn)行了統(tǒng)一的編號(hào),并通過(guò)爬蟲(chóng)和地理信息API得到了每個(gè)位置的名稱和類別.

        表3 實(shí)驗(yàn)數(shù)據(jù)Table 3 Experimental data

        4.2 實(shí)驗(yàn)結(jié)果及分析

        為了驗(yàn)證PSTPP算法的性能,在相同的實(shí)驗(yàn)條件下將其與k-匿名算法、l-多樣性算法進(jìn)行比較,所有實(shí)驗(yàn)的l的比值都固定為(l=4,α=0.8).從數(shù)據(jù)集中隨機(jī)抽取數(shù)據(jù)記錄,并為他們隨機(jī)設(shè)置隱私保護(hù)級(jí)別PPL.此外,為數(shù)據(jù)集中的每一個(gè)屬性都構(gòu)造層次泛化樹(shù).

        基于所選擇的實(shí)驗(yàn)數(shù)據(jù),從算法的信息損失量、敏感值識(shí)別率以及運(yùn)行時(shí)間來(lái)驗(yàn)證PSTPP算法的可行性.

        4.2.1 信息損失量分析

        定義12.(信息損失量):設(shè)等價(jià)類C中的元組個(gè)數(shù)為n,公共泛化元組為t,其中(A1,A2,…,Ac)是等價(jià)類C中的數(shù)值型標(biāo)識(shí)屬性,那么元組t在屬性Ac上的信息損失為:

        HILAi(C)=n×HDist(t)

        (4)

        設(shè)安全發(fā)布的數(shù)據(jù)表T中等價(jià)類個(gè)數(shù)為m,表T中所有元組在各個(gè)屬性上的信息損失為:

        IL(T)=mNILAi(C)+mHILAi(C)

        (5)

        信息損失通過(guò)使用公式(5)進(jìn)行計(jì)算,驗(yàn)證數(shù)據(jù)36594條.k取值的分別從3、5、7到10依次遞增.對(duì)平均泛化高度產(chǎn)生的信息損失進(jìn)行歸一化處理后得到的隱私保護(hù)算法的信息損失量如圖2所示.

        圖2 信息損失量與k值Fig.2 Information loss with different k

        由圖2可知,隨著k取值的增加,數(shù)據(jù)集信息損失量不斷增加,因?yàn)閗的大小直接影響數(shù)據(jù)中的等價(jià)類的大小.即k值越大,同一個(gè)等價(jià)類匯總需要泛化的準(zhǔn)標(biāo)識(shí)符數(shù)據(jù)的值的越多,所以信息損失量越大.當(dāng)k值增加至一定程度時(shí),l-多樣性模型與k-匿名模型信息損失量差異不大,這是因?yàn)楣潭ǖ膌的取值在k值增加到一定程度時(shí)對(duì)數(shù)據(jù)集的約束不明顯.綜述所述,PSTPP算法的信息損失量相對(duì)其他兩種算法更大,這是由于其增加了對(duì)敏感值的個(gè)性化保護(hù)所導(dǎo)致的.

        4.2.2 敏感識(shí)別率分析

        定義13.(敏感屬性值的識(shí)別率):給定數(shù)據(jù)集D和等價(jià)類C,s是等價(jià)類C中的某條數(shù)據(jù)t的敏感屬性值,則C中t的敏感屬性值s的識(shí)別率計(jì)算公式為:

        (6)

        其中,|(s,C)|為等價(jià)類C中的敏感屬性值s的個(gè)數(shù),|C|為等價(jià)類的大小,|f(s)|等于敏感屬性泛化層次樹(shù)泛化后的父節(jié)點(diǎn)所在子樹(shù)的葉節(jié)點(diǎn)個(gè)數(shù).若敏感值沒(méi)有進(jìn)行泛化,保留匿名化后元組中原地點(diǎn)名稱,則|f(s)|=1.

        數(shù)據(jù)集的敏感值識(shí)別率使用公式(6)進(jìn)行計(jì)算,k取值分別為從3、5、7到10依次遞增.圖3給出了在圖2中相同數(shù)據(jù)下,當(dāng)k值變化時(shí),隱私模型的敏感值識(shí)別率.

        圖3 敏感屬性識(shí)別率與k值Fig.3 Recognition rate of sensitive value with different k

        如圖3所示,隨著k值的變化,模型的敏感值識(shí)別率不斷降低,最終趨近于平緩.其中PSTPP算法相較于其他兩個(gè)模型,敏感值識(shí)別率是最低的,隱私保護(hù)效果最好.

        4.2.3 運(yùn)行時(shí)間分析

        圖4給出了根據(jù)k值變化的模型運(yùn)行時(shí)間.

        圖4 運(yùn)行時(shí)間與k值Fig.4 Running time with different k

        如圖4所示,當(dāng)k值變化時(shí),算法的運(yùn)行時(shí)間會(huì)有一定的變化.當(dāng)k=4時(shí),l-多樣性模型與PSTPP算法會(huì)隨著隱私參數(shù)l和α的設(shè)置增加了劃分等價(jià)類時(shí)的判定時(shí)間,因此運(yùn)行時(shí)間較長(zhǎng).而隨著k值的增大,算法的運(yùn)行時(shí)間差別不大,所以PSTPP算法能更好的防止隱私泄露.

        4 結(jié)束語(yǔ)

        針對(duì)基于時(shí)空特性的社會(huì)網(wǎng)絡(luò)中敏感屬性的隱私保護(hù)問(wèn)題展開(kāi)研究,提出了一個(gè)時(shí)空數(shù)據(jù)發(fā)布的個(gè)性化隱私保護(hù)算法(PSTPP),該算法為敏感屬性構(gòu)造泛化層次樹(shù),允許特定的用戶為自己的敏感屬性值設(shè)置隱私保護(hù)級(jí)別,滿足用戶的隱私保護(hù)需求.同時(shí),按照時(shí)空簽到數(shù)據(jù)敏感屬性對(duì)時(shí)空數(shù)據(jù)進(jìn)行分級(jí)保護(hù),允許不同的用戶設(shè)置不同的敏感屬性值約束,提高了簽到數(shù)據(jù)的可用性.最后,基于實(shí)際數(shù)據(jù)集對(duì)算法的信息損失量、敏感值識(shí)別率以及運(yùn)行時(shí)間進(jìn)行測(cè)試.測(cè)試結(jié)果表明,提出的算法能夠針對(duì)不同層次的敏感屬性泄露應(yīng)對(duì)不同的保護(hù)策略,以此來(lái)滿足用戶的個(gè)性化選擇,證明了該算法的有效性.

        猜你喜歡
        定義用戶
        永遠(yuǎn)不要用“起點(diǎn)”定義自己
        海峽姐妹(2020年9期)2021-01-04 01:35:44
        定義“風(fēng)格”
        關(guān)注用戶
        商用汽車(2016年11期)2016-12-19 01:20:16
        關(guān)注用戶
        商用汽車(2016年6期)2016-06-29 09:18:54
        關(guān)注用戶
        商用汽車(2016年4期)2016-05-09 01:23:12
        成功的定義
        山東青年(2016年1期)2016-02-28 14:25:25
        Camera360:拍出5億用戶
        100萬(wàn)用戶
        如何獲取一億海外用戶
        修辭學(xué)的重大定義
        国产高清不卡在线视频| 狠狠色噜噜狠狠狠狠7777米奇| 色一情一乱一伦一区二区三区| 欧美在线播放一区二区| 东京热无码人妻中文字幕| 亚洲长腿丝袜中文字幕| 免费久久久一本精品久久区| 在办公室被c到呻吟的动态图| 白又丰满大屁股bbbbb| 精品国产香蕉伊思人在线又爽又黄| 亚洲国产精品久久久久婷婷软件| 人妻av在线一区二区三区| 亚洲色大成网站www永久| 日韩人妻无码免费视频一区二区三区| 国产成人亚洲综合无码DVD| 午夜精品人妻中字字幕| 蜜桃视频在线看一区二区三区 | 影音先锋男人站| 午夜dy888国产精品影院| 最近最好的中文字幕2019免费 | 色噜噜狠狠一区二区三区果冻| 久精品国产欧美亚洲色aⅴ大片| 亚洲国产不卡免费视频| 国产熟女自拍av网站| 久久狠狠爱亚洲综合影院| 色偷偷一区二区无码视频| 无码高潮少妇毛多水多水免费| 一本之道日本熟妇人妻| 亚洲av无码一区二区三区天堂古代 | 日本一区二区三区免费精品| 一本一道波多野结衣av中文| 国产91吞精一区二区三区| 人妖与人妖免费黄色片| 后入内射国产一区二区| 亚洲 自拍 另类 欧美 综合| 91极品尤物在线观看播放| 亚洲精品中字在线观看| 亚洲精品无码av人在线播放| 麻豆精品网站国产乱子伦| 午夜精品人妻中字字幕| 亚洲综合激情另类小说区|