交叉K函数的安全多方计算方法研究

传统空间数据共享计算需将数据集成后再分析,而数据提供者往往不想公开数据而拒绝分享。安全多方计算(MPC)用于解决互不信任的多方之间数据协同计算问题,能够为解决数据孤岛问题提供方案。本文以交叉K函数为例,探索空间数据安全共享方法,在原始数据不被泄露的前提下,实现目标函数的空间运算。搭建的原系统角色包括前端服务、控制服务、MPC代理服务及MPC发起方和MPC接收方。计算过程中,在双方认可的信任机制下,MPC发起方和接收方的数据明文始终保留在本地,双方均无法获知对方任何原始数据。最后对比了此方法和传统计算平台的时间效率和准确度。试验表明,本文方法可为空间数据安全共享提供一种全新途径,并为进一步的效率改进研究打下了基础。

一种网络空间现象同位模式挖掘的新方法

同位模式的挖掘是空间数据挖掘领域关注的热点问题。目前,对于网络空间现象同位模式挖掘的研究较少。本文将欧氏空间已有方法扩展至网络空间,该方法由两个核心步骤组成:1通过对网络进行划分定义同位模型,确定同现关系;2对同现关系进行统计推断确定其是否为同位模式。对深圳市制造业公司的同位模式挖掘进行了方法说明,依据集聚经济学中导致产业集聚的三种机制对这些同位模式进行了定性分析,通过与已有方法的比较以及网络K函数的检验验证了本文方法的有效性。