基于分布式序列模式挖掘物联网服务用户隐私保护关键技术研究

Under cloud computing environment of IOT, it is appropriate to adopt distributed sequential pattern mining to establish the behavior pattern of users. Based on which, personal IOT Services may not only better meet the user needs, but also save resources dramatically. Nevertheless, distributed sequential pattern mining aggravates the problem of privacy threats. This project researches problems of preserving both privacy data and sensitive sequential pattern of users in distributed sequential pattern mining based IOT service system. First, we research public scientific problems of data privacy preserving taking position and trajectory as examples, and put forward mixed location privacy preserving position technology and a multiple regression analysis based mobile trajectory protection scheme, respectively. We focus our attention on protection of sensitive sequential pattern during distributed sequential pattern mining. Achievements we achieved on location anonymity, trajectory preserving and sensitive sequential pattern protection can conveniently extend to other privacy preserving fields. This project may greatly promote the theory level of both IOT services and applications technology. Furthermore, it provides valuable references to establish efficient and safe IOT services.

针对物联网及开放的云计算环境，采用分布式序列模式挖掘技术建立用户群体行为模式。基于该模式开发的个性化物联网服务不仅能更好地满足用户需求，而且能提高效率，从而节省资源。但是，分布式序列模式挖掘也使用户面临比互联网服务系统更严重的隐私安全威胁。本项目从技术角度研究基于分布式序列模式挖掘物联网服务用户敏感数据和敏感序列模式的保护问题。首先，以位置和运动轨迹为例，研究了用户敏感数据保护中的关键科学问题，分别提出基于混合策略的位置安全定位技术和基于多元回归分析的移动轨迹保护机制。重点研究分布式序列模式挖掘用户的敏感序列模式保护问题，提出基于同态加密算法和多方安全计算的隐私保护算法和协议。本项目在位置隐匿、轨迹隐藏和用户敏感序列模式保护等方面取得的研究成果可方便地扩展到其他隐私保护领域。本项目可提升我国物联网服务研究和应用的技术水平，为构建高效而安全的物联网服务提供有价值的参考。

云计算和大数据技术的发展使得物联网用户正面临越来越严重的隐私泄漏威胁。从以下两个方面展开了深入研究，以解决物联网用户的隐私问题：基于位置的物联网服务系统用户的位置/轨迹隐私保护和云平台下时序大数据挖掘过程中的安全和隐私保护。.在基于位置的物联网用户位置/移动轨迹隐私保护方面，重点研究了混合定位系统中用户位置、轨迹的隐匿，以及个性化的用户隐私保护问题。提出了一个实时位置-(k,r,r) 匿名模型，一个基于回归分析和信息预取技术的移动轨迹保护机制和一个基于泛化技术的lbs用户位置-查询隐私保护方法。实现对用户位置和查询内容的双重保护。.在时序大数据安全和隐私保护方面，主要研究了大数据环境下敏感原始数据在存储、挖掘过程中面临的安全和隐私保护问题，并提出了一系列解决方案。提出了一个面向云平台的安全移动存储方案，一个基于贪心选择算法的选择性集成方法，一个基于近似约简和最优化采样的分布式、多层次选择性集成方法，一个面向文本分类挖掘的基于维度扩展的变量数字化算法、一个基于主动学习的LDA算法、一个基于协移的分类器训练算法、一个基于蚁群优化的直推式支持向量机算法和一个基于归一化的谱聚类，并讨论了这些算法在入侵检测中的应用。.此外，我们还进行了将研究成果应用到医疗大数据领域的相关探索，提出了一个支持标准协同的异构数据集成方案，设计并实现了一些基于Hadoop的临床数据挖掘算法。.在学术成果方面，共完成相关学术论文17篇，发表16篇，1篇在审。已发表的论文中，SCI/EI 检索论文7篇，核心期刊论文7篇。申请专利2项，获得软件著作权授权4项。培养研究生6名，获青岛市科技进步二等奖1项，获全国高等学校计算机教学成果三等奖1项，获批省级工程研究中心1个。本项目取得的研究成果具有较强的通用性和可扩展性，可方便地扩展到其他有隐私保护需求的行业和领域。本项目的成果为实现个性化、高效率的物联网服务提供了有力的支撑和许多有价值的参考。