重复攻击下差分隐私保护参数ε的选取方法

现有差分隐私保护参数ε的选取仅考虑在给定攻击模型下,对攻击者进行一次攻击的情形,但在实际中往往涉及攻击者的连续多次攻击。为此,提出一种重复攻击下实现差分隐私保护技术安全性的攻击模型。通过对重复攻击的结果与噪音分布函数的特点进行分析,获取噪音落入容错区间的概率,结合排列组合方法,推断出攻击者攻击成功的概率,进而得到参数ε的选取范围。实验结果表明,只要给定攻击次数、容错区间和攻击者成功的概率,该模型就可以找出合适的参数ε。

一种基于隐私偏好的隐私保护模型及其量化方法

针对隐私保护与服务质量之间的均衡问题,提出了一种基于隐私偏好的博弈度量模型。首先,对用户的隐私偏好进行形式化定义,根据用户的隐私偏好度提出隐私偏好的量化方法;在此基础上,分析服务提供者基于用户隐私偏好的策略选择并提出基于博弈的隐私度量模型,在混合策略下运用策略熵度量用户隐私的泄露情况,能够全面地考虑用户的隐私偏好对服务提供者博弈策略的影响,并对用户的隐私泄露进行有效的度量;最后,用一个案例来说明所提方案的可行性。

饮酒后血液中乙醇含量的推断

基于采集的32名健康志愿者饮酒后血液中乙醇含量（BAC）随时间变化的数据，共128个数据．首先运用纵向数据分析方法中的随机效应混合模型进行分析，结果显示可以比较精确的预测BAC，模型的绝对平均误差（MAE）为1．18mg／100ml、绝对误差的中位数为0．89mg／100m1．其次对数据不作任何分布假设，运用机器学习回归方法分析数据，最后利用10折交叉验证方法来判断结果的可靠性，并得到各模型测试集的标准化均方误差（NMSE）分别为0．012，0．003，0．803，0．761，0．853．