基于k-匿名位置隐私保护的自适应学习模型

• 作者: 程良伦 穆良
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 自适应性学习模型 位置服务(LBS) 隐私保护 k-匿名
• 年，卷（期）: 2017,（18）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 89-94,101
• 页数: 7页
• 分类号: TP311
• 字数: 6931字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1703-0355

摘要

个性化k-匿名模型能够根据用户隐私偏好实现隐私保护,为用户提供控制位置隐私更多选择性,但由于设置隐私偏好的复杂性,就算最为注重隐私保护的用户也可能忽略一些问题.研究的目的是开发一个框架,帮助用户选择自己的隐私偏好,有效管理和获取来自匿名者的隐私内容.分析一组影响隐私配置选择因素,构建自适应学习模型来帮助用户做出正确的决定,保护他们的隐私信息.随着学习模型的成熟,将以最小的用户干预来管理各种情况下不同用户的隐私偏好,防止隐私泄露,并鼓励用户使用模型推荐的隐私设置.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程良伦	广东工业大学计算机学院	274	1459	17.0	25.0
2	穆良	广东工业大学计算机学院	1	2	1.0	1.0