面向个性化隐私保护的"物联网"多方协同挖掘模型研究

"物联网"作为一种海量信息双向传递、虚拟网络与现实世界主动交互的新型系统，在原始数据收集、信息流传递、数据计算分析的一系列过程中，个人隐私存在着被他人或组织获取及利用的极大威胁。现有基于隐私保护的数据挖掘方法，主要从整体出发，忽略了用户对隐私性的不同需求。实际上，由于性格、观念等方面的差异，不同用户对个人数据隐私性的需求亦不相同。本项目从尊重用户个性化需求的角度出发，提出一套基于个性化隐私保护的"物联网"多方协同数据挖掘框架，能够在满足用户对隐私权个性化需求的同时，实现分布式协同数据挖掘；针对个性化隐私保护后的链接攻击和海量数据共享问题，本项目分别提出基于版本依赖性的数据扰动和基于数据挖掘模型的知识共享方法，很好的解决了上述问题。通过本项目的研究，能为"物联网"用户提供个性化的安全信息保障，消除用户对信息共享的安全顾虑，提高"物联网"服务的可信性，从而推动"物联网"产业的迅速发展。

在基金委的支持下，项目组通过三年的努力，较好地完成了原定的计划，利用本项目的研究成果共撰写研究论文16篇，其中发表在SCI期刊论文8篇，申请国家发明专利2项，其中已获授权1项。本项目所取得的研究成果主要体现在以下几个方面：研究了各种基于数据扰动技术的隐私保护算法及其在物联网多方协同数据挖掘中的应用，在此基础上提出了异质隐私保护算法的集成学习算法，针对各隐私保护模型差异性和用户隐私度进行选择性集成，以提高隐私保护的效果；从用户个性化需求出发，提出一套基于个性化隐私保护的多方协同数据挖掘框架，在满足用户对隐私权个性化需求的同时，实现分布式协同数据挖掘；针对物联网用户广泛存在于多个不同的社会网络所呈现的特性，提出物联网的多层社会网络建模和多层社会网络的隐私保护算法；从超大规模社会网络隐私保护出发，提出利用分布式计算框架(GraphLab)来进行基于个性化隐私保护的物联网多方协同挖掘，以提高算法的运行效率。三年来，项目组共培养了4名博士生，其中2名博士生已经获得博士学位。在项目执行期间，有3位老师依靠本项目直接支持的成果获得晋升，包括1名升为正教授，2名升为副教授。