杜鹏懿
- 作品数：2 被引量：0H指数：0
- 供职机构：工业和信息化部电子第五研究所更多>>
- 相关领域：自动化与计算机技术更多>>
- 面向大规模海量数据的数据挖掘隐私保护方法研究
- 2024年
- 物联网环境产生大量数据,数据隐私保护问题已经成为热点研究领域之一。通过阐述物联网大数据的特点和隐私威胁,分析了现有的数据挖掘隐私保护方法的不足,针对性地提供了一种基于混合高斯分布的数据扰动隐私保护方法。该方法通过生成并公开一组与原始数据独立同分布的新数据的手段来达到对原始数据进行扰动的目的,不仅有效地保护了原始数据隐私,并且保持了原始数据的统计特点,与原始数据上生成的挖掘模型具有相近的准确性。
- 杜鹏懿熊婧张来平李匀祎
- 关键词：物联网数据挖掘混合高斯模型
- 基于深度学习的隐私保护方法研究
- 2024年
- 准确和实时的轨迹数据发布能够为用户提供最新的交通和路况信息,有助于用户合理规划出行时间和路线,但是,位置信息的不当发布和反向推理容易泄露用户个人信息,甚至危及用户的生命安全。采用差分隐私方法添加的噪声,会导致隐私保护在数据发布和有效性方面引入不准确性。为了提高发布数据的准确性和可用性,提出了一种基于深度学习和差分隐私模型的数据发布方法,确保时空轨迹数据的安全发布。首先,设计了一种自顶向下递归划分区域的方法,并根据递归深度的增加,多维度定义隐私预算分配规则;其次,通过时空图卷积网络(T-GCN)提取数据的时间和空间特征预测隐私预算矩阵,并对区域添加Laplace噪声,实现轨迹数据的隐私保护。实验结果表明,在满足ε-差分隐私的前提下,该方法能更合理地实现轨迹的隐私保护。
- 熊婧杜鹏懿冯晓荣
- 关键词：隐私保护
