基于熵的普适计算隐私量化研究

隐私量化是隐私保护的重要研究方向, 是隐私保护技术实施的基础，是实现个人隐私主动保护的有效手段，是近年才发展起来的一个新兴的重要研究领域。本课题拟对个人信息的层次式组织、层次信息组织下熵的计算、隐私水平调整与隐私内容和信息模糊度之间的关联等关键内容进行深入研究，力图从用户角度出发，建立一个基于信息熵的隐私量化模型，实现用户隐私信息的量化和建立隐私水平调整与隐私信息披露之间的关联关系。课题的主要研究内容包括：个人信息粒度组织形式与层次结构、个人信息中的单个信息的不确定性度量、基于熵的个人信息的隐私水平集成计算、个人整体隐私水平的调整算法、采用相对熵理论从系统角度评价个人隐私水平计算的准确性与有效性。通过课题的研究，将阐明基于熵理论的普适计算下个人隐私信息量化的基本原理与方法，通过将隐私指标从定性到定量的转变，为用户主动控制自身隐私信息的暴露奠定基础，为推动普适计算的发展提供技术支撑。

隐私量化是隐私保护的一个基础性关键技术，亟待解决。本项目展开普适环境下基于熵的隐私量化研究，目前，项目已按预期目标顺利完成，并取得一系列成果，主要研究成果包括：(1)设计基于粒度的信息组织架构，实现属性模糊度量化，较好的考虑了普适环境下进行隐私保护所涉及到属性，基本能满足普适环境中隐私计算要求。(2)研究基于熵的个人信息的隐私量化与调整方法。以信息熵组合为基本理论，研究在普适情形下代表个人隐私水平的多层次的隐私量化方法。(3)研究普适环境下基于隐私保护的访问控制，提出三级访问机制，使得访问权限匹配效率高，实验证明权限分配时效性强。(4)采用基于熵的信息损失度量模型，研究了信息发布的隐私保护模型，改进了k隐藏的隐私保护方法，通过随机化手段极大地减少了处理过程中的信息损失。(5)研究了社交网络数据发布的隐私保护。采用两阶段结构修改法实现社交网络节点k匿名，在满足隐私要求下较好的保持了社交网络结构，提升了社交网络数据的可用性。本项目的研究成果已在包括Knowledge-based Systems (SCI检索，影响影子3.058)，Neurocomputing (SCI检索，影响影子2.083)，Physic A (SCI检索，影响因子1.722)，Appl Math Inform Sci (SCI检索，影响因子1.232)，KSII Transaction on internet and information (SCI检索，影响因子0.561)，Computing (SCI检索，影响因子0.593)，Computer Science and Information Systems(SCI检索，影响因子0.547)等多个杂志上发表16篇SCI论文，申请相关发明专利8项。依托于本项目的研究成果，申请人获得了国家自然科学基金2015年面上项目“社交网络中基于信息分享主体的隐私保护技术研究(61572259)”资助，中国博士后基金委“基于隐私保护的政务数据发布(2012M511303)”资助。