感知敏感序列规则的在线时空K-匿名方法

时空K-匿名方法以数据可靠、实现方式简便灵活,适合基于移动计算环境的LBS的特点,成为近年来在LBS领域研究隐私安全的主流技术。挖掘连续查询的时空K-匿名数据集,抽取出潜在的、有用的序列规则,可为众多行业应用提供预测分析功能,但同时也会产生基于敏感序列规则推理攻击用户隐私的威胁。传统的基于敏感知识隐藏的抗攻击方法,不能适应LBS应用具有的长期、连续、在线服务的特点。文中提出一种感知敏感序列规则的在线时空K-匿名的抗攻击方法:基于中间件的第三方匿名服务器首先从挖掘并分析连续查询生成的匿名区域序列数据集得到隐私敏感的序列规则,然后在后续的LBS查询服务请求中,设定一系列"泛化"、"避让"准则,动态感知敏感序列规则在线生成时空K-匿名数据集,并更新成功匿名的匿名数据集到匿名区域序列数据库。最后,当更新次数达到设定阈值后,重复匿名集序列规则的挖掘、分析与动态隐藏,直至消除所有敏感序列规则。实验证明,提出的方法可以实现匿名集数据中敏感序列规则的动态隐藏,有效消除基于敏感匿名集序列规则对用户位置隐私的推理攻击,且具有速度快、代价小的优点。

基于改进A*算法的最优路径搜索

最短路径搜索问题是智能交通技术应用中的一个关键问题,而A*算法是一种静态路网中求解最短路径最有效的直接搜索方法。传统的A*算法未考虑到实际路网中交通灯的影响,求得的最短路径并不一定是行程时间最短。但是路径选取在实际应用中主要追求最优而不是最短,因此传统的A*算法有一定的局限性。为了克服以上问题,通过将交通灯的等待时间引入启发式函数,构造一种新的启发式函数并应用于A*算法,利用减少最短路径搜索中路网上等待交通灯的时间来优化路径的总行程时间。通过对Minneapolis的地图基础数据进行路径搜索实验,结果表明,改进的A*算法有助于降低最短路径的总行程时间成本,并且与传统的A*算法搜索消耗的时间效率相似。

基于敏感项集动态隐藏的用户隐私保护方法

时空k-匿名因其适应移动性环境以及实现更为简单方便等特点,是当前LBS(基于位置服务)领域中被使用最广泛的模型。由于LBS在线及动态的特性,使传统的数据变形或重构方法不足以对抗利用从大量时空k-匿名数据集挖掘到的关联规则的用户隐私攻击。针对以上问题提出了基于敏感项集动态隐藏的用户隐私保护方法(SIDH),感知敏感规则对应项集空间的正负边界,增量扩展原始快照查询匿名集数据,以敏感项集的动态隐藏净化敏感关联规则,最终实现用户隐私保护。通过对2 612辆出租车的GPS数据生成的匿名集进行敏感项集隐藏实验,结果表明,SIDH方法隐藏敏感项集的数量和速度明显高于传统匿名方法,并且不会新增敏感项集。因此SIDH方法更能有效应对匿名集敏感关联规则的推理攻击,副作用较小。

快照查询匿名集关联规则的概率化挖掘方法

分析时空K-匿名技术处理的LBS查询数据,可以获取反映用户查询规律的关联规则,以提供有效的预测功能。传统的数据挖掘方法不能同时考虑到匿名集的时空特性和概率化特性,文中提出了一种针对快照查询的时空K-匿名集数据的概率化关联规则挖掘方法。首先,采用概率化的方法计算出各元素集的支持度;其次,分析时空K-匿名集数据的时空泛化特性;再次,挖掘特定时段的匿名集数据,得到由网格推理特定用户的关联规则;最后,实验对比分析文中提出方法与传统方法挖掘规则的性能。结果发现:对于相同K值不同批次的实验数据,在挖掘规则的数量、支持度均值、置信度均值三个指标上,文中提出方法低于传统的方法;而在基于规则预测的准确率均值、召回率均值、F值均值三个指标上,文中提出方法高于传统方法,表明提出方法具有挖掘规则集中、预测性能高的优点,具有可用性。

基于融合技术的潮滩湿地植被分类

为了解决遥感影像上潮滩湿地植被光谱相似性导致的分类困难问题,本文以Lansat5、IKONOS影像为数据源,探讨了融合技术在潮滩湿地植被遥感分类中应用,提出了基于小波融合变换的神经网络分类方法。实验结果表明,融合技术提高了潮滩湿地植被的分类总精度,具有较好的实用效果。

灯

家里要装修了，一家人都很忙活，选瓷砖，挑地板，选装饰的灯……奶奶却似乎不怎么高兴，什么话也没有说，戴着老花眼镜在一旁织着粗毛衣。装修工人几进几出，墙变成崭新的白色，原先的水泥地也铺上了大理石，整个家都不一样了。