本地化差分隐私在数据众包中的应用

近年来,众包技术受到产、学界广泛关注。采用众包模式,某些机构可以在获得用户同意后,使用用户的行为模式数据、空间位置数据、主动提交数据等进行分析,或者将任务通过众包平台发布,借助大众的合力来完成。现实生活中存在着大量类似的问题,因此众包有着广大的应用前景。然而,尽管众包已为许多行业和产品带来极大效益,但众包过程中涉及的隐私信息泄露问题尚未得到很好的解决。本地化差分隐私保护技术由于其能保证较强的隐私保护能力与较高的数据可用性,成为当前众包隐私保护的热门技术。

基于DeepLink的社交网络去匿名方法

现有的社交网络去匿名方法主要是基于网络结构,对网络结构进行学习与表示是去匿名的关键。用户身份链接(user identity linkage)的目的是检测来自不同社交网络平台的同一个用户。基于深度学习的跨社交网络用户对齐技术,很好地学习了不同社交网络的结构特征,实现了跨社交网络的用户对齐。将该技术用于同一社交网络匿名用户识别,实验结果优于传统去匿名方法。

基于差分隐私的社交网络隐私保护

随着互联网技术的飞速发展,现实个体在网络中形成了各式各样的社交网络,而人们越来越关注自己在社交网络上的隐私信息能否得到效的保护,因此相比于传统的基于匿名的隐私保护模型,差分隐私技术能够抵抗攻击者所拥有的背景知识。差分隐私技术近年来成为研究的焦点。首先介绍了社交网络上的隐私信息,然后对差分隐私的定义进行了阐述,最后着重对差分隐私在社交网络上的隐私保护的应用进行了综述。