-
公开(公告)号：CN105022830A
公开(公告)日：2015-11-04
申请号：CN201510475380.9
申请日：2015-08-05
Applicant: 焦点科技股份有限公司 , 东南大学
CPC classification number: G06F17/3089 , G06Q30/0201
Abstract: 基于用户行为的加权轨迹数据集构建方法，包括以下步骤：(1)根据电商网站平台访问日志数据中包含的产品信息、用户访问信息、商品交易信息，结合产品发布方所发布的产品类别，生成对应各产品类别访问记录数据集；(2)根据用户浏览网站商品信息页面产生的停留时间、同次会话中点击网页次序、是否交易特征属性，生成访问记录数据集中每条访问记录的权值，得到加权访问记录集；(3)对加权访问记录集，按商品标识符id进行分组，选取权值最大的k个记录，提取这k个记录的搜索关键字，生成该商品的搜索关键词组；(4)用这k条记录的平均权值作为该商品对应访问轨迹的权值，生成该商品的加权轨迹，构建加权轨迹数据集。
-
公开(公告)号：CN112528316B
公开(公告)日：2022-07-15
申请号：CN202010984734.3
申请日：2020-09-18
Applicant: 江苏方天电力技术有限公司 , 东南大学
Abstract: 本发明公开一种基于贝叶斯网络的隐私保护世系工作流发布方法，包括如下步骤：通过训练贝叶斯网络衡量世系工作流中模块间的依赖程度，评估不同模块在溯源查询的重要性不同；划分工作流中的强、弱关联模块，针对不同模块类型设计定制化隐藏处理方案，综合平衡隐私性与可用性，对强关联模块，保证在隐藏操作后原经过该模块的世系路径仍然保留；对弱关联模块，牺牲较弱关联依赖以保证隐私安全。本发明结合对隐私模块最小二分拆分方法与删除数据依赖方法，实现了在保护世系工作流模块隐私不泄露的同时有效维持溯源查询的可用性。
-
公开(公告)号：CN112149178B
公开(公告)日：2022-07-15
申请号：CN202010984731.X
申请日：2020-09-18
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: G06F21/62
Abstract: 本发明公开一种维持关键路径可用的隐私保护工作流发布方法，包括如下步骤：基于目标模块对间的关键路径，划分工作流中的零次访问边、全次访问边与部分访问边；引入工作流(k,ε)‑关键路径匿名隐私保护模型，对目标模块对间的关键路径进行匿名处理，扰动Top‑k路径上的边权重，实现(k,ε)‑关键路径匿名同时维持世系工作流图结构不变；为解决当目标模块间路径数低于k值所导致的匿名强度损失问题，基于模块分解进行路径分裂，寻找并拆分匿名路径上复合模块实现路径分裂，使工作流发布图严格满足(k,ε)‑关键路径匿名。在防止基于关键路径隐私攻击的同时，兼顾对关键路径拓扑结构可用性的维持。
-
公开(公告)号：CN108200027B
公开(公告)日：2020-11-03
申请号：CN201711440543.5
申请日：2017-12-27
Applicant: 东南大学
Inventor： 倪巍伟
Abstract: 本发明公开了一种基于反馈角的保护位置隐私近邻查询方法，针对保护查询者位置隐私的k近邻查询应用，实现对无需任何第三方参与的位置扰动方法隐私安全性和查询效率的灵活调控，同时提供精确查询结果。本发明在无需可信第三方的情况下，查询客户端向LBS服务器发送反馈角信息，LBS服务器接收到信息后对发送给客户端的POI进行过滤，从而降低通信开销和客户端计算开销并且可以通过设置反馈角θ的大小对上述两种开销进行调控。与此同时，查询者的k近邻包含在LBS服务器返回的POI当中，因此可以提供精确的查询结果。
-
公开(公告)号：CN107169372B
公开(公告)日：2020-04-14
申请号：CN201710326035.8
申请日：2017-05-10
Applicant: 东南大学
IPC: G06F21/62 , G06F16/2458
Abstract: 本发明涉及一种基于Voronoi多边形与Hilbert曲线编码的隐私保护查询方法，包括以下步骤：服务器端对目标对象所在平面进行Voronoi多边形划分，并利用Hilbert曲线进行划分编码，构建映射Hilbert单元格编码和Voronoi多边形的B+树索引；用户通过客户端向服务器提交自身位置p的Hilbert曲线编码值H(p)进行k近邻查询；服务器端在索引树上查找H(p)对应的Voronoi多边形C，生成C的最小外接矩形R；服务器端查找R的k‑1近邻Voronoi多边形，并将这些Voronoi多边形对应的Hilbert曲线编码值组成候选查询结果集合CaS，返回客户端；用户对CaS中的Hilbert曲线编码值进行解码，筛选出最近邻目标对象。实现保护位置隐私的k近邻查询。
-
Patent Agency Ranking
公开(公告)号：CN104486726B
公开(公告)日：2015-09-16
申请号：CN201410797274.8
申请日：2014-12-18
Applicant: 东南大学
Abstract: 本发明公开一种保护用户前瞻位置隐私的路网环境位置泛化方法，包括以下步骤：可信第三方服务器存储了公路网信息，移动用户向可信第三方服务器提交自身位置及关于外围路段汇合点约束的前瞻位置隐私保护条件，可信第三方服务器根据用户关于前瞻位置隐私保护约束条件，对移动用户位置进行泛化，生成包含移动用户位置、且满足前瞻位置隐私保护约束条件的泛化公路子网代替用户具体位置，使得攻击者能够逆推出用户位置的可能性满足移动用户前瞻位置隐私保护约束，避免攻击者利用所掌握泛化子网的外围路段汇合点特征对移动用户位置及个体身份等隐私信息发起攻击。
-
公开(公告)号：CN102170432B
公开(公告)日：2013-08-28
申请号：CN201110073855.3
申请日：2011-03-25
Applicant: 东南大学
Abstract: 本发明公开了一种用户可控的保护位置隐私k近邻查询方法，包括以下步骤：用户通过客户端向服务器提交假位置信息进行k近邻查询，服务器返回关于假位置的k近邻对象，客户端生成覆盖用户k近邻对象的圆区域，并根据用户对最小逆推区域面积的偏好要求对圆区域进行扩展，使得攻击者能够逆推出用户位置所在区域的面积不小于最小逆推区域面积阈值，客户端再次将扩展后圆区域的圆心和半径发送到服务器端，服务器端返回落入该区域的所有对象，客户端在返回对象中筛选出距其最近的k个数据对象。本发明在无需任何第三方参与的客户/服务器模式下，通过对最小逆推区域面积的灵活调控，实现用户对其位置隐私保护强度的偏好要求。
-
公开(公告)号：CN102147814B
公开(公告)日：2012-12-19
申请号：CN201110097921.0
申请日：2011-04-19
Applicant: 东南大学
Abstract: 本发明公开了一种隐私保护数据共享发布方法，包括如下步骤：用户通过服务器接口提交数据集，服务器判断数据集维数，若为奇数，则增加一个属性，该维数据属性值置零，将属性随机两两分组；分析数据集中数据点间的距离关系，确定阿基米德螺线旋转参数，借助阿基米德螺线的几何性质，对原始数据中属性值对进行阿基米德螺线旋转变换，生成变换后数据集。本发明通过维持原始数据集任意三个数据记录间距离关系稳定实现隐藏前后数据集聚类效果相同(或相似)，实现有效兼顾聚类可用性和数据隐私安全性的隐私保护数据共享发布。
-
公开(公告)号：CN112464277B
公开(公告)日：2022-11-25
申请号：CN202011315406.0
申请日：2020-11-20
Applicant: 东南大学 , 国网江苏省电力有限公司营销服务中心
IPC: G06F21/62
Abstract: 本发明公开了一种基于差分隐私的不确定数据频繁项集发布方法，所述方法包括步骤：(1)给定数据集D，对D进行频繁项集挖掘获取频繁1‑项集ILIST以及第k大频繁项集的支持度λ，对其添加噪声获得以及(2)利用ILIST对D中每条记录进行事务截断，减少事务记录长度，得到D’，(3)在D’中提取包含各项x的最大频繁项集的长度估计值，作为层次信息；(4)在D’中，设置初始节点为空集，使用层次信息约束和子集频繁约束筛选得到当前节点的候选项列表NodeList，(5)在FISet中筛选top‑k频繁项集及其支持度，进行发布。本发明整个流程满足差分隐私。本发明能够提高数据的隐私安全性。
-
公开(公告)号：CN112464277A
公开(公告)日：2021-03-09
申请号：CN202011315406.0
申请日：2020-11-20
Applicant: 东南大学 , 国网江苏省电力有限公司营销服务中心
IPC: G06F21/62
Abstract: 本发明公开了一种基于差分隐私的不确定数据频繁项集发布方法，所述方法包括步骤：(1)给定数据集D，对D进行频繁项集挖掘获取频繁1‑项集ILIST以及第k大频繁项集的支持度λ，对其添加噪声获得以及(2)利用ILIST对D中每条记录进行事务截断，减少事务记录长度，得到D’，(3)在D’中提取包含各项x的最大频繁项集的长度估计值，作为层次信息；(4)在D’中，设置初始节点为空集，使用层次信息约束和子集频繁约束筛选得到当前节点的候选项列表NodeList，(5)在FISet中筛选top‑k频繁项集及其支持度，进行发布。本发明整个流程满足差分隐私。本发明能够提高数据的隐私安全性。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
