基于多层模糊综合评估的隐私保护效果评估方法

俞艺涵; 付钰; 吴晓平

doi:10.11959/j.issn.2096-109x.2020082

您当前的位置：

首页 >

文章列表页 >

基于多层模糊综合评估的隐私保护效果评估方法

学术论文 | 更新时间：2024-06-03

- 基于多层模糊综合评估的隐私保护效果评估方法
- Evaluation method of privacy protection effect based on multi-layer fuzzy comprehensive evaluation
- 网络与信息安全学报 2020年6卷第6期页码：121-127
- 作者机构：
  
  1. 海军航空航天大学教练机模拟训练中心，辽宁葫芦岛 125001
  2. 海军工程大学信息安全系，湖北武汉 430033
- 作者简介：
  
  [ "俞艺涵（1992- ），男，浙江金华人，海军工程大学博士生，主要研究方向为信息安全、模拟仿真、隐私保护" ]
  [ "付钰（1982- ），女，湖北武汉人，博士，海军工程大学副教授，主要研究方向为信息安全风险评估" ]
  [ "吴晓平（1961- ），男，山西新绛人，博士，海军工程大学教授、博士生导师，主要研究方向为系统分析与决策" ]
- 基金信息：
  
  国家自然科学基金资助项目;The National Natural Science Foundation of China(61672531);网络空间安全重点专项;Cyberspace Security Special Project(SQ2018YFGX210002-04)
- DOI：10.11959/j.issn.2096-109x.2020082
  中图分类号： TP393
- 网络首发：2020-12，
  
  纸质出版：2020-12-15
- 稿件说明：
移动端阅览
俞艺涵, 付钰, 吴晓平. 基于多层模糊综合评估的隐私保护效果评估方法[J]. 网络与信息安全学报, 2020,6(6):121-127.

Yihan YU, Yu FU, Xiaoping WU. Evaluation method of privacy protection effect based on multi-layer fuzzy comprehensive evaluation[J]. Chinese Journal of Network and Information Security, 2020, 6(6): 121-127.
俞艺涵, 付钰, 吴晓平. 基于多层模糊综合评估的隐私保护效果评估方法[J]. 网络与信息安全学报, 2020,6(6):121-127. DOI： 10.11959/j.issn.2096-109x.2020082.

Yihan YU, Yu FU, Xiaoping WU. Evaluation method of privacy protection effect based on multi-layer fuzzy comprehensive evaluation[J]. Chinese Journal of Network and Information Security, 2020, 6(6): 121-127. DOI： 10.11959/j.issn.2096-109x.2020082.

摘要

针对由单一数据层面进行隐私保护效果评估无法刻画网络环境整体隐私保护效果的问题，借助模糊综合评估方法，从数据全生命周期凝练隐私保护效果影响因子，通过分区块、多层次地模糊综合评估，并依据数据隐私差异确定各因子与各区块权重，综合计算得到网络环境整体隐私保护效果评估结果。实例分析表明，该方法可行有效。

Abstract

Aiming at the problem that the evaluation of the privacy protection effect from a single data level cannot describe the overall privacy protection effect of the network environment

with the help of the fuzzy comprehensive evaluation method

the privacy protection effect influencing factors were condensed from the entire life cycle of the data.According to the data privacy differences

the factors and block weights were determined

and the overall calculation results of the overall privacy protection effect of the network environment were obtained.Case analysis shows that the proposed method is feasible and effective.

关键词

Keywords

references

CHANG V , SUN G , LI J . Guest editorial:security and privacy for multimedia in the internet of things (IoT) [J ] . Multimedia Tools ＆Applications , 2018 : 1 - 2 .

SWEENEY L . K-anonymity:a model for protecting privacy [J ] . International Journal of Uncertainty,Fuzziness and Knowledge-Based Systems , 2002 , 10 ( 5 ): 557 - 570 .

DWORK C , MCSHERRY F , NISSIM K . Calibrating noise to sensitivity in private data analysis [J ] . Proceedings of the VLDB Endowment , 2006 , 7 ( 8 ): 637 - 648 .

LU Q W , WANG C M , XIONG Y . Personalized privacy-preserving trajectory data publishing [J ] . Chinese Journal of Electronics , 2017 , 26 ( 2 ): 285 - 291 .

FUNG B C M , WANG K , YU P S . Top-down specialization for information and privacy preservation [C ] // International Conference on Data Engineering . 2005 : 205 - 216 .

JIANG H W , ZENG G S , MA H Y . Greedy clustering-anonymity method for privacy preservation of table data-publishing [J ] . Journal of Software , 2017 , 28 ( 2 ): 341 - 351 .

XU J , WANG W , PEI J , et al . Utility-based anonymization using local recoding [C ] // Proceedings of the Twelfth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining . 2006 .

李凤华 , 李晖 , 贾焰 , 等 . 隐私计算研究范畴及发展趋势 [J ] . 通信学报 , 2016 , 37 ( 4 ): 4 - 14 .

LI F H , LI H , JIA Y , et al . Privacy computing:concept,connotation and its research trend [J ] . Journal on Communications , 2016 , 37 ( 4 ): 4 - 14 .

俞艺涵 , 付钰 , 吴晓平 . 基于Shannon信息熵与BP神经网络的隐私数据度量与分级模型 [J ] . 通信学报 , 2018 , 39 ( 12 ): 10 - 17 .

YU Y H , FU Y , WU X P . A metric and classification model for privacy data based on Shannon information entropy and BP neural network [J ] . Journal on Communications , 2018 , 39 ( 12 ): 10 - 17 .

JOHNSON A E W , POLLARD T J , LU S , et al . MIMIC-III,a freely accessible critical care database [J ] . Scientific Data , 2016 ( 3 ):160035.

浏览量

277

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于隐私集合求交的大模型双向隐私授权

基于PIR增强的可搜索加密方案研究

面向LBS的ADS-B报文定位数据本地化差分隐私保护方法

FL-IoV：基于联邦学习的综合车联网入侵检测方法

面向异构数据的半分布式联邦学习安全聚合