基于熵的普适计算隐私量化研究

隐私量化是隐私保护的一个基础性关键技术，亟待解决。本项目展开普适环境下基于熵的隐私量化研究，目前，项目已按预期目标顺利完成，并取得一系列成果，主要研究成果包括：(1)设计基于粒度的信息组织架构，实现属性模糊度量化，较好的考虑了普适环境下进行隐私保护所涉及到属性，基本能满足普适环境中隐私计算要求。(2)研究基于熵的个人信息的隐私量化与调整方法。以信息熵组合为基本理论，研究在普适情形下代表个人隐私水平的多层次的隐私量化方法。(3)研究普适环境下基于隐私保护的访问控制，提出三级访问机制，使得访问权限匹配效率高，实验证明权限分配时效性强。(4)采用基于熵的信息损失度量模型，研究了信息发布的隐私保护模型，改进了k隐藏的隐私保护方法，通过随机化手段极大地减少了处理过程中的信息损失。(5)研究了社交网络数据发布的隐私保护。采用两阶段结构修改法实现社交网络节点k匿名，在满足隐私要求下较好的保持了社交网络结构，提升了社交网络数据的可用性。本项目的研究成果已在包括Knowledge-based Systems (SCI检索，影响影子3.058)，Neurocomputing (SCI检索，影响影子2.083)，Physic A (SCI检索，影响因子1.722)，Appl Math Inform Sci (SCI检索，影响因子1.232)，KSII Transaction on internet and information (SCI检索，影响因子0.561)，Computing (SCI检索，影响因子0.593)，Computer Science and Information Systems(SCI检索，影响因子0.547)等多个杂志上发表16篇SCI论文，申请相关发明专利8项。依托于本项目的研究成果，申请人获得了国家自然科学基金2015年面上项目“社交网络中基于信息分享主体的隐私保护技术研究(61572259)”资助，中国博士后基金委“基于隐私保护的政务数据发布(2012M511303)”资助。