导读:本文包含了属性泛化论文开题报告文献综述及选题提纲参考文献,主要关键词:路网环境,隐私保护,属性泛化,同态加密
属性泛化论文文献综述
王斌,张磊,张国印[1](2019)在《基于多方安全计算的属性泛化mix-zone》一文中研究指出针对路网环境下mix-zone无法有效地实现属性进行隐藏或泛化和抵御伪装攻击的问题,基于属性泛化和同态加密,提出了一种秘态属性泛化的隐私保护方法。该方法通过同态加密,实现了秘密出价选择计算代理、秘密计算相似属性,并以相似属性完成属性泛化的整体处理。通过属性泛化,解决了mix-zone可被攻击者利用属性追踪的问题,同时秘密计算的属性处理不会泄露任何信息给参与者,也防止伪装攻击者获得mix-zone中各用户的隐私信息。最后,通过安全性分析和实验验证分别在理论和实践这2个方面对所提算法的优势加以分析和比较。(本文来源于《通信学报》期刊2019年04期)
张素琴[2](2018)在《泛化与集中:舞蹈学概念与属性的学理辨析》一文中研究指出我国舞蹈学概念的产生与历史演进在我国,相较于其他门类艺术之"学","舞蹈学"一词的提出和学科建立都比较滞后。"美术学"概念以专文的形式进行讨论始见于1920年蔡元培的论文《美术的起源》;自20世纪初,我国以"音乐学"为名的音乐史论研究已经获得国际话语和认可;专门讨论艺术学的概念始于1943年陈中凡《艺术科学的起源、发展和影响》。(本文来源于《舞蹈》期刊2018年06期)
蔡迎春,吴志荣[3](2018)在《泛化与思考:从学科属性看图书馆学的专业话语》一文中研究指出文章从社会科学视野、自然科学视野与人文科学视野叁个领域,对图书馆学学科属性界定过程中呈现出的诸多趋势或现象以及给图书馆学研究带来的影响进行思考,认为我国当前图书馆学研究领域存在着学科边界泛化现象。同时,借用"外部反思"和"学徒思维"两个概念,对我国图书馆学研究领域泛化现象的原因进行剖析,阐述了图书馆学在重视宏观研究的基础上,应该聚焦微观研究,紧密围绕图书馆所能提供的资源和服务,从图书馆收藏、服务和实践等诸多方面加强图书馆学专业话语。主要基于图书馆学研究对象及图书馆专业活动角度来看图书馆的专业话语,文中所列举不一定全面,也并非否定学界的诸多研究,仅是抛砖引玉,激发起图书馆界对图书馆专业话语的思考以及专业话语对图书馆实践和活动的基石和引领作用,促使图书馆学良性发展。(本文来源于《图书馆》期刊2018年07期)
付奇,易超[4](2018)在《基于Datafly算法的多属性泛化技术研究》一文中研究指出面对数据发布过程中的数据泄露问题,K-匿名算法成为了隐私保护技术研究的重点。Datafly算法是对准标识符集中取值最多的属性进行泛化的一种K-匿名方法,而算法中对准标识符属性的选取单一化,造成泛化结果无法满足K-匿名要求或泛化过度使得原始数据失真,对此笔者提出一种多属性泛化改进算法,利用信息熵算法对取值进行处理,添加动态匿名度检验,解决了泛化不足和过度泛化问题,并在实验测试后证明该改进算法有效提高了匿名精度和降低了数据失真率。(本文来源于《信息与电脑(理论版)》期刊2018年11期)
张磊,王斌,于莉莉[5](2018)在《基于Hash函数的属性泛化隐私保护方案》一文中研究指出针对用户连续查询过程中属性可被关联并获得位置隐私的问题,文章基于属性泛化要求提出了一种基于Hash函数的属性泛化方法。该方法通过由属性转化的Hash值比较寻找具有相同属性的匿名用户,一方面防止具有攻击特性的中心服务器获得用户发送的隐私信息;另一方面通过这种Hash比较简化了相似属性的寻找过程,提高了算法的执行效率。同时,为了证明中心服务器具有潜在的攻击特性,利用博弈树量化的方式证明了中心服务器的不可靠性。最后,通过安全性分析和实验验证,并将文章提出的方法与其他同类算法进行比较,进一步证明了文中算法在隐私保护能力和算法执行效率方面的优势。(本文来源于《信息网络安全》期刊2018年03期)
宋明秋,王琳,姜宝彦,邓贵仕[6](2017)在《多属性泛化的K-匿名算法》一文中研究指出针对现有的K-匿名模型中存在泛化属性选取不唯一和数据过度泛化的问题,提出多属性泛化的K-匿名算法。在K-匿名模型实现的过程中,引入属性近似度概念,定量刻画准标识符属性的离散程度,进而确定泛化的准标识符属性;同时采用广度优先泛化的方法,避免数据被过度泛化,最终实现数据表的K-匿名要求。实验结果表明,多属性泛化的K-匿名模型可以提高泛化后数据精度,其处理效率和Datafly算法相当。该算法有效地解决了取值最多准标识符属性存在多个时的泛化属性选取问题,并且防止属性被过度泛化,提高数据的可用性。(本文来源于《电子科技大学学报》期刊2017年06期)
朱臻,孙媛[7](2015)在《基于SVM和泛化模板协作的藏语人物属性抽取》一文中研究指出该文提出了一种基于SVM和泛化模板协作的藏语人物属性抽取方法。该方法首先构建了基于藏语语言规则的模板系统,收集了包括格助词、特殊动词等具有明显语义信息的特征建设模板并泛化。针对规则方法的局限性,该文在模板的基础上,采用SVM机器学习方法,设计了一种处理多分类问题的层次分类器结构,同时对多样化的特征选取给予说明。最后,实验结果表明,基于SVM和模板相结合的方式可以对人物属性抽取的性能有较大提高。(本文来源于《中文信息学报》期刊2015年06期)
姜宝彦[8](2015)在《基于多属性泛化的K-匿名算法的设计与实现》一文中研究指出医疗数据之中潜藏着的宝贵的信息资源,合理的开发及利用能够为各行各业的发展起到很好的推动作用。因而,医疗信息的发布得到了各界的广泛关注。然而,医疗信息之中囊括了大量的类似于患者生理和心理状况的隐私信息,一旦泄露,必将会给信息所有者留下难以估量的隐患。因此,医疗信息发布中的隐私保护问题引起了专家学者们的重视。就现阶段来看,常见于信息发布系统之中的叁种隐私保护手段即属性删除或移除、数据加密以及数据扰乱或数据随机化并不是十分适用于医疗信息的发布。这主要是因为,医疗信息的发布不仅要保证发布数据的可用,还要保障信息所有者的隐私不被泄露,上述一系列隐私保护手段很难兼顾。因而,本文选用了当下较为流行的K-匿名模型来对医疗信息发布加以实现。然而,就实现K-匿名模型的经典算法而言,其自身还有很多有待改进之处。特别是在泛化属性的选取和一些细节的实现方面,欠缺细致的考虑,这就为其所处理的数据埋下了过度泛化的隐患,进而使得处理后数据的可用性和隐私保护性大幅度下降。为此,本文在实现K-匿名模型的经典算法-Datafly算法的基础上,提出了可以进一步提高处理后数据的精度的基于多属性泛化的K-匿名算法。这一算法在原Datafly算法的基础之上,不仅就泛化属性的选取方式进行了改良而且就泛化属性选取中可能发生的取值最多属性不唯一的情况进行了探讨,大幅度地提高了经K-匿名模型处理后数据的数据精度。本文首先就本文的研究问题和相关的基本理论等进行了简要介绍。接着就实现K-匿名模型的经典算法中的不足进行了列举,并在此基础之上,提出了对上述不足进行了相应的改进了的基于多属性泛化的K-匿名算法。这一新的算法不仅就泛化属性的选取方式进行了改良而且对泛化属性选取中可能发生的取值最多属性不唯一的情况给出了解决方案,极大地提高了处理后数据的数据精度,使得K-匿名模型可以更好地适用于医疗信息的发布环节之中。最后,本文以此算法为基础,设计并实现了基于多属性泛化的K-匿名算法的医疗信息匿名化发布。(本文来源于《大连理工大学》期刊2015-05-31)
武森,张桂琼,潘静,全敏[9](2014)在《分类属性数据的泛化中心聚类算法》一文中研究指出针对采用经典划分思想的聚类算法以一个点来代表类的局限,提出一种基于泛化中心的分类属性数据聚类算法。该算法通过定义包含多个点的泛化中心来代表类,能够体现出类的数据分布特征,并进一步提出泛化中心距离及类间距离度量的新方法,给出泛化中心的确定方法及基于泛化中心进行对象到类分配的聚类策略,一般只需一次划分迭代就能得到最终聚类结果。将泛化中心算法应用到四个基准数据集,并与着名的划分聚类算法K-modes及其两种改进算法进行比较,结果表明泛化中心算法聚类正确率更高,迭代次数更少,是有效可行的。(本文来源于《运筹与管理》期刊2014年06期)
吴芳[10](2012)在《基于属性泛化的动态集成学习算法研究》一文中研究指出集成学习是近年机器学习领域的研究热点之一。集成学习的基本思想是,首先通过多个基分类器对问题进行分类,然后利用某种方式对分类结果进行综合,以得到更准确的结果。其中,基分类器间是相互独立的。动态集成技术则是通过动态地选择部分而非全部的分类器参与集成,或者动态调整参与集成的基分类器的权重,以获得更高的分类准确率,是进一步提高集成系统分类性能的重要手段。自然数据中广泛存在层次特征。本文主要研究如何基于数据的层次性特征,来构造高性能的动态集成分类器。本文的主要研究工作如下:(1)针对具有层次性特征的数据集,提出了基于泛化属性值划分方法的集成学习算法GAVPEL。该方法利用属性泛化技术,根据数据的层次结构,将训练集划分成不同层次和粒度的子训练集,并在每个子训练集上生成基分类器;在分类时,根据其条件属性值动态地选择相关的基分类器参与集成,并利用投票方法来综合各基分类器的分类结果。实验表明,该算法比传统的Bagging和AdaBoost算法更加有效。(2)由于属性在不同泛化方式下会产生不同的泛化路径,为此,本文在GAVPEL算法的基础上提出了M2算法。该算法利用可能的多种泛化路径,建立MRML模型,根据该模型进行训练集的划分,并在每个划分的子训练集上建立基分类器;在分类时,选择多条泛化路径上的基分类器同时参加集成,分类结果仍采用投票法进行合成。试验表明,该算法不仅能提高集成系统的分类性能,而且还能提高系统的鲁棒性。(本文来源于《合肥工业大学》期刊2012-04-01)
属性泛化论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
我国舞蹈学概念的产生与历史演进在我国,相较于其他门类艺术之"学","舞蹈学"一词的提出和学科建立都比较滞后。"美术学"概念以专文的形式进行讨论始见于1920年蔡元培的论文《美术的起源》;自20世纪初,我国以"音乐学"为名的音乐史论研究已经获得国际话语和认可;专门讨论艺术学的概念始于1943年陈中凡《艺术科学的起源、发展和影响》。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
属性泛化论文参考文献
[1].王斌,张磊,张国印.基于多方安全计算的属性泛化mix-zone[J].通信学报.2019
[2].张素琴.泛化与集中:舞蹈学概念与属性的学理辨析[J].舞蹈.2018
[3].蔡迎春,吴志荣.泛化与思考:从学科属性看图书馆学的专业话语[J].图书馆.2018
[4].付奇,易超.基于Datafly算法的多属性泛化技术研究[J].信息与电脑(理论版).2018
[5].张磊,王斌,于莉莉.基于Hash函数的属性泛化隐私保护方案[J].信息网络安全.2018
[6].宋明秋,王琳,姜宝彦,邓贵仕.多属性泛化的K-匿名算法[J].电子科技大学学报.2017
[7].朱臻,孙媛.基于SVM和泛化模板协作的藏语人物属性抽取[J].中文信息学报.2015
[8].姜宝彦.基于多属性泛化的K-匿名算法的设计与实现[D].大连理工大学.2015
[9].武森,张桂琼,潘静,全敏.分类属性数据的泛化中心聚类算法[J].运筹与管理.2014
[10].吴芳.基于属性泛化的动态集成学习算法研究[D].合肥工业大学.2012