情景感知型移动社会网络中非显示隐私保护机制研究

非显式隐私保护问题是情景感知型移动社会网络在应用中急需解决的研究问题，但目前还缺乏有效的解决方法。在此背景下，本课题将围绕着多情景融合下的非显示隐私保护问题和情景感知的自适应隐私保护方法问题展开研究，主要内容包括：(1)基于社会关系+用户行为+基于物理位置的多情景融合的非显示隐私保护模型；(2)分别针对社会情景、用户情景和物理情景三种单情景下非显示隐私保护方法的优化，相应算法包括敏感信息发现算法、混淆算法、高效混合位置匿名算法等；(3)同时本课题提出自适应性隐私保护方法，能实现隐私保护策略的自适应调整优化。针对上述内容，本课题将主要采用T-S模糊推理进行多情景融合推理，采用基于增量型用户反馈集的模糊Petri网进行隐私保护策略的自适应性学习和优化。本课题的创新之处在于：提出多情景融合的非显式隐私保护模型、基于模糊Petri网的自适应隐私保护方法和基于零知识证明的可证空间匿名算法。