在定位请求服务中,如何保护用户的位置隐私和位置服务提供商(Localization service provider,LSP)的数据隐私是关系到WiFi指纹定位应用的一个具有挑战性的问题。基于密文域的K-近邻(K-nearest neighbors,KNN)检索,本文提出了一种适用于...在定位请求服务中,如何保护用户的位置隐私和位置服务提供商(Localization service provider,LSP)的数据隐私是关系到WiFi指纹定位应用的一个具有挑战性的问题。基于密文域的K-近邻(K-nearest neighbors,KNN)检索,本文提出了一种适用于三方的定位隐私保护算法,能有效提升对LSP指纹信息隐私的保护强度并降低计算开销。服务器和用户分别完成对指纹信息和定位请求的加密,而第三方则基于加密指纹库和加密定位请求,在隐私状态下完成对用户的位置估计。所提算法把各参考点的位置信息随机嵌入指纹,可避免恶意用户获取各参考点的具体位置;进一步利用布隆滤波器在隐藏接入点信息的情况下,第三方可完成参考点的在线匹配,实现对用户隐私状态下的粗定位,可与定位算法结合降低计算开销。在公共数据集和实验室数据集中,对两种算法的安全、开销和定位性能进行了全面的评估。与同类加密算法比较,在不降低定位精度的情况下,进一步增强了对数据隐私的保护。展开更多
文章探讨统计理论学习中KNN(K-近邻算法)及其在深度学习领域的拓展形式,即ANN(人工神经网络)和CNN(卷积神经网络)算法,对这些算法的原理、应用领域及最新研究成果进行荟萃分析(Meta-Analysis,Meta)与系统性分析,给出基于英文数据库(Web ...文章探讨统计理论学习中KNN(K-近邻算法)及其在深度学习领域的拓展形式,即ANN(人工神经网络)和CNN(卷积神经网络)算法,对这些算法的原理、应用领域及最新研究成果进行荟萃分析(Meta-Analysis,Meta)与系统性分析,给出基于英文数据库(Web of Science)的有关KNN研究的检索流程、文章摘要高频词、时间序列特征等相关统计分析;通过分析相关文献,强调相关算法在数据分类、图像识别和模式识别等领域的重要性与实用意义;最后提出对未来研究的展望,以期相关算法在各种应用中得到进一步的完善和优化。展开更多
文摘在定位请求服务中,如何保护用户的位置隐私和位置服务提供商(Localization service provider,LSP)的数据隐私是关系到WiFi指纹定位应用的一个具有挑战性的问题。基于密文域的K-近邻(K-nearest neighbors,KNN)检索,本文提出了一种适用于三方的定位隐私保护算法,能有效提升对LSP指纹信息隐私的保护强度并降低计算开销。服务器和用户分别完成对指纹信息和定位请求的加密,而第三方则基于加密指纹库和加密定位请求,在隐私状态下完成对用户的位置估计。所提算法把各参考点的位置信息随机嵌入指纹,可避免恶意用户获取各参考点的具体位置;进一步利用布隆滤波器在隐藏接入点信息的情况下,第三方可完成参考点的在线匹配,实现对用户隐私状态下的粗定位,可与定位算法结合降低计算开销。在公共数据集和实验室数据集中,对两种算法的安全、开销和定位性能进行了全面的评估。与同类加密算法比较,在不降低定位精度的情况下,进一步增强了对数据隐私的保护。
文摘文章探讨统计理论学习中KNN(K-近邻算法)及其在深度学习领域的拓展形式,即ANN(人工神经网络)和CNN(卷积神经网络)算法,对这些算法的原理、应用领域及最新研究成果进行荟萃分析(Meta-Analysis,Meta)与系统性分析,给出基于英文数据库(Web of Science)的有关KNN研究的检索流程、文章摘要高频词、时间序列特征等相关统计分析;通过分析相关文献,强调相关算法在数据分类、图像识别和模式识别等领域的重要性与实用意义;最后提出对未来研究的展望,以期相关算法在各种应用中得到进一步的完善和优化。