-
公开(公告)号：CN117251873A
公开(公告)日：2023-12-19
申请号：CN202310131953.0
申请日：2023-02-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于区块链的地理信息数据云存储方法，涉及信息云存储技术领域，通过对用户所上传的地理信息数据进行分组，并对分组后的地理信息数据进行加密，从而保证所获得的地理信息数据在完成对应的加密后，存储至对应的区块链节点内，同时将对应的区块链节点变为未激活状态；再通过地理信息数据所存储的区块链节点信息和用户信息，生成对应的访问策略，将访问策略进行再加密，获得对访问策略的密钥，并将所获得的访问策略和密钥进行分离，从而使得，当访问策略和密钥任一一个出现泄露时，也无法完成对区块链节点的访问，从而提高了所存储的地理数据信息的安全性。
-
Patent Agency Ranking
公开(公告)号：CN110781569B
公开(公告)日：2023-12-19
申请号：CN201911089476.6
申请日：2019-11-08
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多分辨率网格划分的异常检测方法和系统，所述系统包括获取模块、划分模块、异常值计算模块和输出模块，获取数据点进行预处理，得到高维数据矩阵，获取子矩阵划分参数，将所述高维数据矩阵划分为多个子矩阵，并初始化全局异常值列表，将所述子矩阵多次二分为多种分辨率网格，计算对应二分后的的局部异常值，将所述局部异常值累加到网格内的每个数据点的全局异常值上，遍历所有子矩阵，计算对应的全局异常值，并按降序排列更新到对应的全局异常值列表编号中，输出所述全局
-
公开(公告)号：CN116522381A
公开(公告)日：2023-08-01
申请号：CN202310377447.X
申请日：2023-04-10
Applicant: 桂林电子科技大学
Abstract: 本发明涉及位置数据隐私保护领域，具体涉及一种基于差分隐私的非平衡位置数据的发布方法。该方法首先通过统一标准尺度将位置信息覆盖的二维平面区域进行均匀网格划分，引入混合区域生长法的思想，在网格区域合并过程中使最初与位置点分布无关的均匀网格划分结构转化为能够反映位置点分布密度的合理划分结构。在直方图发布阶段，使用网格区域生成合并方法对直方图进行分组，然后对直方图添加Laplace噪声。在平面划分结果的基础上，再对时间维度进行二分迭代切割得到时间划分区间，统计每个位置区域在时间划分区间的真实计数概率值得到区域‑时间计数概率矩阵，通过区域‑时间计数概率矩阵和区域总加噪计数值得到位置数据划分单元计数值。本发明通过网格区域合并手段，对相似密度划分单元进行合并，可以大大降低满足差分隐私所需要添加的噪声量，使用Brightkite和GeoLife等多个数据集进行实验，证明了提出的方法在发布结果与原始结果相比，误差更小，数据可用性更高，在发布数据的隐私性和可用性之间取得最优的平衡。
-
公开(公告)号：CN116432228A
公开(公告)日：2023-07-14
申请号：CN202310373815.3
申请日：2023-04-10
Applicant: 桂林电子科技大学
IPC: G06F21/62 , G06F18/26 , G06F18/23213
Abstract: 本发明涉及隐私保护领域，研究动态图中基于差分隐私保护的频繁子图发布方法。提出了一种名为DPTW的差分隐私保护方法，旨在解决现有方法中存在的隐私泄露问题。该方法首先将持续时间较长的动态图按时间切割为持续时间较短的动态图集，然后将动态图转换为约束区间图，将动态图中的频繁子图挖掘问题转换为约束区间图中的频繁子图挖掘问题。同时，建立时间子图匹配机制，保留动态图的时间属性。然后利用剪切阈值减少候选子图集，再利用指数机制进行频繁子图挖掘。此外，利用k‑means聚类方法对每个频繁子图的支持度进行分组，再对每个分组使用拉普拉斯机制进行加噪。最后，将从约束区间图挖掘到的频繁子图转换为动态图中的频繁子图进行发布。理论分析和实验结果表明，该方法在保护隐私的前提下，可提高发布数据的可用性。
-
公开(公告)号：CN113419883A
公开(公告)日：2021-09-21
申请号：CN202110633324.9
申请日：2021-06-07
Applicant: 桂林电子科技大学
Abstract: 本发明涉及电子数字数据处理领域，公开了一种基于互信息和特征分组策略的高维异常检测预处理方法，包括输入高维数据集；计算数据集中每两个特征的互信息，得到互信息矩阵；基于互信息矩阵生成子图集；对子图集中的每个子图是否需要继续切割进行判断，若需要切割则引入NCut切图对子图采用递归的方法进行循环切割，直至不满足切割条件；若不满足切割条件则得到特征组；将所有特征组组合成特征分组集。在不引入参数的前提下，解决了第一次分组结果粒度过大的问题。为高维异常检测提供了一种无参无监督的数据预处理方法，提高了传统异常检测方法在高维数据上的检测性能。
-
公开(公告)号：CN112417507A
公开(公告)日：2021-02-26
申请号：CN202011403573.0
申请日：2020-12-02
Applicant: 桂林电子科技大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于隐私保护的大型图的节点三角形计数的发布方法，该方法包括：选定原始图G，使用三角计数算法统计所述原始图G中每个节点的三角形参数，获取第一分布直方图；使用三角计数算法统计所述预处理后图形Gθ中每个节点的三角形参数，获取第二分布直方图；通过对所述数据桶添加拉普拉斯噪声保护节点的三角形计数相关数据在发布过程中的隐私泄露问题。本发明通过某些预处理手段，对不必要的边进行删减，将图的敏感度上限控制在一定范围之内，并选取更优的直方图发布方法，可以大大降低满足差分隐私所需要添加的噪声量，从而在发布数据的隐私性和可用性之间取得最优的平衡。
-
-
-
-
-
Search Results
26
records
(took 0.028 seconds)
