期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面向移动终端的位置隐私保护系统 被引量:1
1
作者 丁嘉欣 付宇 +1 位作者 杜文瑾 应乐意 《网络空间安全》 2018年第3期39-42,共4页
近年来,随着信息网络技术的飞速发展,使得人们的生活变得非常便利,但同时也会暴露自己的位置隐私。为了解决问题,在LBS(Location-Based Service)服务器与客户端之间,增加了一个可信任的位置隐私保护服务器,以构成位置隐私保护系统来保... 近年来,随着信息网络技术的飞速发展,使得人们的生活变得非常便利,但同时也会暴露自己的位置隐私。为了解决问题,在LBS(Location-Based Service)服务器与客户端之间,增加了一个可信任的位置隐私保护服务器,以构成位置隐私保护系统来保护用户的位置隐私。文章将主要讨论位置隐私保护服务器的功能实现。 展开更多
关键词 位置隐私 位置隐私保护系统 功能
下载PDF
基于大数据分析的隐私信息保护系统设计与实现 被引量:1
2
作者 盛丹丹 《信息安全研究》 CSCD 2023年第9期914-920,共7页
为保证隐私信息的安全性,实现信息的人性化加密,避免发生隐私信息泄露风险,设计基于大数据分析的隐私信息保护系统.云设施层以Kubernetes集群技术为核心,为系统功能提供基础设施保障,在此基础上,大数据处理层通过筛选、去重等操作处理... 为保证隐私信息的安全性,实现信息的人性化加密,避免发生隐私信息泄露风险,设计基于大数据分析的隐私信息保护系统.云设施层以Kubernetes集群技术为核心,为系统功能提供基础设施保障,在此基础上,大数据处理层通过筛选、去重等操作处理信息后,通过文件传输协议传送信息至信息保护层,该层以TBS架构为基础,引入MapReduce编程模型,并行存储海量信息,同时基于属性分类的隐私信息保护模型,实现隐私信息保护.测试结果显示:该系统能够完成海量信息的并行存储,信息记录链接结果均在0.22以下,隐私信息的泄露风险较低,确保信息呈现时的隐私性;并且KL散度均在0.18以内,隐私保护后信息的可用性良好. 展开更多
关键词 大数据 信息安全 隐私保护系统 Kubernetes集群技术 并行存储 属性分类
下载PDF
密码学与隐私计算在人工智能行业中的实践 被引量:1
3
作者 史俊杰 谢翔 《人工智能》 2020年第6期54-61,共8页
AI的发展离不开高质量的数据源,而数据所代表的内容与个人隐私、安全息息相关,随着数据泄露事件的频发,数据安全正得到了越来越多的关注。如何兼顾数据的流动、分享与个人隐私的保护?如何令不同数据拥有方以安全有效的技术手段共同训练... AI的发展离不开高质量的数据源,而数据所代表的内容与个人隐私、安全息息相关,随着数据泄露事件的频发,数据安全正得到了越来越多的关注。如何兼顾数据的流动、分享与个人隐私的保护?如何令不同数据拥有方以安全有效的技术手段共同训练使用AI模型?近年来,以密码学为代表的隐私计算技术为这些问题提供了可能的解决方案。本文首先介绍这一问题的背景和主要特点;然后结合开源隐私计算框架Rosetta,介绍在金融、人脸识别等场景中,如何赋能AI系统以隐私保护的能力;最后简述该领域的未来发展趋势。 展开更多
关键词 隐私计算 数据安全 隐私保护机器学习系统
下载PDF
Pseudo-Location Updating System for Privacy-Preserving Location-Based Services
4
作者 牛犇 朱晓妍 +1 位作者 池浩田 李晖 《China Communications》 SCIE CSCD 2013年第9期1-12,共12页
With the rapid development of location-aware devices such as smart phones,Location-Based Services(LBSs) are becoming increasingly popular. Users can enjoy convenience by sending queries to LBS servers and obtaining se... With the rapid development of location-aware devices such as smart phones,Location-Based Services(LBSs) are becoming increasingly popular. Users can enjoy convenience by sending queries to LBS servers and obtaining service information that is nearby.However, these queries may leak the users' locations and interests to the un-trusted LBS servers, leading to serious privacy concerns. In this paper, we propose a Privacy-Preserving Pseudo-Location Updating System(3PLUS) to achieve k-anonymity for mobile users using LBSs. In 3PLUS, without relying on a third party, each user keeps pseudo-locations obtained from both the history locations and the encountered users, and randomly exchanges one of them with others when encounters occur. As a result, each user's buffer is disordered. A user can obtain any k locations from the buffer to achieve k-anonymity locally. The security analysis shows the security properties and our evaluation results indicate that the user's privacy is significantly improved. 展开更多
关键词 pseudo-location K-ANONYMITY pri-vacy LBS
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部