【摘 要】
：
伴随着移动智能手机的普及,基于位置的应用服务使用越来越广泛,应用服务方收集了大量的用户移动轨迹数据,给用户带来了位置隐私泄露的风险。为了能更好地保护个人隐私,数据发布方在数据发布前通常对用户数据进行隐私保护,倾向于发布隐私保护力度较强的不含用户标识、不含时间信息并且进行了差分隐私扰动后的无时间聚合移动轨迹数据。对无时间聚合移动轨迹数据进行成员推理,判定目标用户的存在性,从而发现隐私泄露,对于进一步
论文部分内容阅读
伴随着移动智能手机的普及,基于位置的应用服务使用越来越广泛,应用服务方收集了大量的用户移动轨迹数据,给用户带来了位置隐私泄露的风险。为了能更好地保护个人隐私,数据发布方在数据发布前通常对用户数据进行隐私保护,倾向于发布隐私保护力度较强的不含用户标识、不含时间信息并且进行了差分隐私扰动后的无时间聚合移动轨迹数据。对无时间聚合移动轨迹数据进行成员推理,判定目标用户的存在性,从而发现隐私泄露,对于进一步提高隐私保护方法具有实际意义。设计了一种对无时间聚合移动轨迹数据进行成员推理的方案（Membership Inference on No-Time Aggregate Trajectory,MINTAT）,针对无时间信息情景,仅利用位置信息进行成员推理。MINTAT使用过去时间段已知移动轨迹数据作为历史背景知识数据集,提取历史背景知识数据集的网格位置特征,包括数量、距离和密度等特征,使用随机森林模型进行特征机器学习,得到训练好的机器学习模型。MINTAT可对未来时间段经差分隐私扰动后的无时间聚合移动轨迹数据进行成员推理,在推理的过程中提取与背景知识数据集一致的位置分布特征信息,输入前面训练好的机器学习模型,进行成员推理预测,得到成员推理结果。进行了大量的无时间聚合移动轨迹成员推理实验,实验结果表明:MINTAT在稀疏数据集与稠密数据集上实验结果均良好;在绝大部分情形下实验结果优于相关工作;对于网格直径参数、隐私预算参数、背景知识比例参数有较好的适应性。
其他文献
在现实世界中,图像数据包含现实对象的海量信息,是对客观对象的描述或客观的映射。为计算机能够更好的理解现实世界,发展出来多种计算机技术,基于深度学习的语义分割方法能够较好地提取图像高层语义信息,更好地应对自然场景。深度学习语义分割算法中的特征提取部分十分重要。模型越深特征提取能力就越强,但是所得到的特征越抽象。以Deeplab语义分割框架作为基础,提出优化方法,通过对比实验结果说明优化效果的有效性。
近年来随着深度学习技术的快速发展与卷积神经网络在计算机视觉研究工作中的广泛应用,图像分析与理解领域的研究工作取得了瞩目的成绩。作为图像分析与理解领域的重要分支,光学字符识别（Optical Character Recognition,OCR）技术和方法逐渐成熟,在生活中得到广泛应用,将OCR技术用于文档识别与场景文字识别的需求与日俱增,具有极大的使用价值和应用前景。票据作为人们生活中常接触到的一种
随着互联网的快速发展以及企业运维项目管理的要求越来越高,传统的开发部署模式存在许多不足之处。比如资源利用率低、难以迁移、强依赖于硬件、无法持续集成、部署困难、配置环境复杂等。这种传统开发模式已经不能满足用户以及企业需求,大量企业开始寻求新的开发部署模式。为了解决上述问题,本文设计并实现了一个持续集成与部署系统,采用一种新的运营管理模式来替代传统的部署模式。首先对系统进行需求分析,将系统分为五大功能
由于机器学习技术带来的产品功能与性能上的优势,在不同的行业背景下应用前景愈发广阔。在机器学习工程中,训练使用的数据质量极大影响了被训练模型的效果。为方便算法模型获取特征明显的训练数据,需要对原始数据进行标注处理以便于算法模型发现其中的模式与规律。汽车资讯标注系统是在此背景下为处理与汽车资讯相关图像、语音与文本数据,通过全人工标注或半自动标注方式,将汽车资讯原始数据转化为可供算法模型训练的数据集。根
红外成像系统,无论在民用还是军事领域都得到了广泛的应用。而要对红外成像系统,以及其上搭载的其他功能进行测试,往往需要使用红外仿真技术,其逼真度直接影响测试的可靠性。所以在三维场景仿真中常使用光线追踪作为渲染框架。路径追踪是光线追踪框架的一种实现方式,使用了蒙特卡洛方法,随机跟踪多条光线,随后根据这些光线的贡献计算该点的颜色值。利用蒙特卡洛方法的无偏性和一致性,生成照片级真实的图像。大多数成熟的渲染
论文针对大型构件高铁白车身腻子自动化打磨过程中,需要同时满足大尺度、高精度、稠密点云以及高效率的测量需求,在多目视觉线结构光大尺度高精度测量技术的基础上,提出基于辅助相机标定的多目视觉线结构光大尺度高精度测量方法,降低对标定工具的要求,简化标定流程,同时采用全局优化算法对测量系统整体优化,减小点云数据拼接误差,进一步提高测量系统的精度,实现高铁车身表面三维形貌的全局精确测量,为高铁白车身自动化生产
信息时代下,网络数据获得爆发式增长,其带来更好的服务、更便捷的体验的同时,也带来了信息过载问题。就电影网站而言,电影数据资源的不断增多和观影人数的不断扩大,导致观影者无法在短时间内挑选到其喜爱的电影。如何能为用户精准推荐成了电影系统研究和设计的热点问题。本文即从此出发,提出了基于矩阵完备性的推荐算法来设计电影系统,并对这一设想进行了实现。具体研究内容如下:（1）设计算法来缓解协同过滤所存在的稀疏性
知识图谱将现有的知识构建成大型的网络系统,是人类过往经验与智慧的结晶,如今在人工智能的各种任务中发挥着愈来愈重要的作用。知识表示学习的目的是将知识图谱中的实体和关系投影到低维的向量空间,使知识图谱能够更加便捷地应用于各种下游任务。知识图谱中,实体的文本描述信息、实体的层次类型信息和图的拓扑结构信息中隐藏着丰富的内容,是对结构化三元组的重要补充。将这些多源信息进行组合,能够帮助提高知识图谱各种任务的
当前,无人驾驶领域存在单车的传感器死角问题和短距离直接通信的距离限制等关键问题,蜂窝车联网（Cellular-Vehicle-to-Everything,C-V2X）成为解决上述问题的有效办法。联网的车辆通过接收来自互联网以及其他车辆的实时信息,能够显著提升车辆对环境的感知能力和感知范围。然而,无人驾驶车辆仍存在算力有限问题,无法满足高计算的业务要求,因此支持云计算的智能网联车解决了单车算力不足的
恐怖袭击事件的频繁发生及各类新型危险品的出现,使得人们对于火车站、机场等人流密集场所的安全检查越发重视。被动毫米波辐射成像由于具有良好的衣物穿透性,在人体安检的违禁隐匿物品的检测中具有巨大的发展前景。近年来,在自然图像领域基于深度学习的目标检测方法发展迅速,利用深度学习来实现被动毫米波辐射图像中的隐匿物检测是当前的发展趋势。深度学习的网络训练需要大量的样本数据,由于被动毫米波成像系统研发的技术难度