数据多次发布的隐私保护研究进展

数据发布的隐私保护研究主要分为两类:数据单次发布和数据多次发布。目前,数据单次发布的隐私保护研究已经趋于完善。但是在真实的世界中,待发布的数据通常是动态变化的,数据多次发布的隐私保护是目前该领域的研究热点。对数据多次发布的隐私保护研究成果进行了总结,介绍了关系数据和社会网络数据的隐私保护模型,深入地分析了现有的关系数据和社会网络数据多次发布的各种方法,并指明了该领域的未来研究方向。

基于时间约束的隐私保护数据查询方法研究

很多学者和机构在研究隐私保护的分布数据挖掘方法时,通过挖掘全局数据以保护各站点数据的隐私和安全。但是这些方法假设数据集成已经完成,隐私保护数据挖掘处理的是集成问题解决后的知识获取问题。因此,在隐私保护数据处理之前的数据集成中,如何保护来源数据的隐私信息,是一个必须解决的问题。文章在考虑数据的时效性因素下,提出了一种采用Shamir’s秘密共享方法的时间约束隐私保护数据查询方法,重点介绍了时间约束下隐私保护数据集成与共享中的聚集操作方法。实验结果表明文中方法可以有效提高隐私保护数据查询的效率,大大降低隐私保护数据查询的响应时间。

社会网络数据多次发布的隐私保护研究进展

本文总结了社会网络数据发布的隐私保护的研究工作。社会网络数据的发布包括社会网络数据的单次发布和多次发布。社会网络数据多次发布的研究基于社会网络数据单次发布,且在真实的应用场景,研究人员更趋向研究动态发布的数据,社会网络数据多次发布的研究结果更有价值。本文介绍了社会网络数据的隐私保护模型,深入的分析了现有社会网络数据多次发布的各种方法,并对社会网络数据多次发布的隐私保护研究成果进行总结。

基于深度随机网络的图像隐写分析方法

为进一步提高隐写分析性能，提出了一个基于改进的深度随机网络的图像隐写分析。方法。首先利用一个高通滤波器对图像进行预处理以提高模型收敛速度。同时，在构造16组残差块的基础上，采用随机深度的训练策略，在训练过程中随机丢弃一些层，在测试的时候使用完整的网络进行隐写分析。与传统的残差模型方法相比，该方法不仅解决了深层网络的退化问题，也进一步加快了训练过程。实验结果表明，与一些其他相关的残差网络相比，该模型提高了图像隐写分析准确率。