期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2,955篇文章
< 1 2 … 148 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进生成对抗网络的车辆轨迹语义隐私保护机制
1
作者 樊娜 罗闯 +2 位作者 张泽晖 张梦瑶 穆鼎 《计算机应用》 北大核心 2026年第1期169-180,共12页
针对在实现个性化车辆轨迹数据隐私保护的同时保证轨迹语义数据的有效性和挖掘分析价值的问题,提出一种基于改进生成对抗网络(GAN)的车辆轨迹语义保护机制。在该机制中:首先,设计一种基于隐马尔可夫模型(HMM)的位置敏感分级语义标注方法... 针对在实现个性化车辆轨迹数据隐私保护的同时保证轨迹语义数据的有效性和挖掘分析价值的问题,提出一种基于改进生成对抗网络(GAN)的车辆轨迹语义保护机制。在该机制中:首先,设计一种基于隐马尔可夫模型(HMM)的位置敏感分级语义标注方法,用于从车辆轨迹中提取出有效的停留点,并对停留点进行敏感等级划分和语义标注;其次,将长短期记忆(LSTM)网络引入改进的GAN中,构建基于动态GAN的语义轨迹合成模型,利用GAN模型进行训练以生成高质量的合成轨迹;最后,针对合成轨迹中需要进一步隐私保护的停留点,提出一种结合位置敏感等级的差分隐私个性化保护算法,该算法根据停留点的敏感等级和停留点之间的相关性为停留点分配隐私预算,并且结合拉普拉斯机制注入噪声实现隐私保护,最大限度地保证轨迹数据保护后的可用性。实验结果表明,相较于LSTM-TrajGAN模型,所提出的框架互信息(MI)值降低了27.58%,语义轨迹相似度提高了24.4%。可见,所提机制在保证语义轨迹数据可用性的同时有效保护了用户隐私。 展开更多
关键词 智能交通系统 轨迹隐私保护 语义标注 生成对抗网络 轨迹合成 个性化隐私保护
在线阅读 下载PDF
车联网位置隐私保护的全景与未来
2
作者 何丽丽 管新如 +2 位作者 张磊 蒋胜 蒋澄杰 《计算机应用》 北大核心 2026年第3期809-820,共12页
随着无线通信技术和高精度移动定位技术的发展,车联网(IoV)已深度融入人们的日常生活中。IoV在为人们带来便利的同时,也带来了隐私风险。通常,在IoV中,车辆行驶信息与其他车辆信息和基础设施信息进行实时交互。而在交互过程中,可能会产... 随着无线通信技术和高精度移动定位技术的发展,车联网(IoV)已深度融入人们的日常生活中。IoV在为人们带来便利的同时,也带来了隐私风险。通常,在IoV中,车辆行驶信息与其他车辆信息和基础设施信息进行实时交互。而在交互过程中,可能会产生敏感信息泄露等隐私问题。首先,对IoV的位置隐私架构和隐私风险进行介绍;其次,介绍差分隐私的动态分配噪声机制、多维度差分隐私轨迹保护及数据扰动技术;再次,对基于匿名化的空间泛化和K匿名以及加密机制的非对称加密、对称加密和同态加密进行介绍;最后,从差分隐私、匿名及加密机制的优缺点和局限性等方面加以分析与评价。 展开更多
关键词 车联网 隐私保护 位置隐私 隐私预算 差分隐私
在线阅读 下载PDF
隐私保护鲁棒聚合联邦学习方案
3
作者 王斌 陈运 +2 位作者 张磊 陈杰 郑兵 《计算机工程与设计》 北大核心 2026年第3期743-751,共9页
针对联邦学习训练过程中仍可能遭受隐私泄露和中毒攻击威胁的问题,提出了隐私保护鲁棒聚合联邦学习方案(privacy-preserving robust aggregation federated learning scheme,PRAFL)。客户端使用差分隐私和随机投影技术保护上传的梯度,... 针对联邦学习训练过程中仍可能遭受隐私泄露和中毒攻击威胁的问题,提出了隐私保护鲁棒聚合联邦学习方案(privacy-preserving robust aggregation federated learning scheme,PRAFL)。客户端使用差分隐私和随机投影技术保护上传的梯度,将隐私保护与恶意检测在客户端进行分离式处理;服务器在受隐私保护的降维梯度空间上,基于改进的马氏距离计算客户端聚合权重;设计鲁棒聚合算法在加噪梯度上实现加权聚合。在3种数据集上进行训练,并按照独立同分布和非独立同分布两种方式划分数据集。并与其它相似算法进行比较,实验结果表明,PRAFL在保护数据隐私的同时,可以有效识别恶意模型,实现模型的正确聚合。 展开更多
关键词 联邦学习 马氏距离 差分隐私 随机投影 中毒攻击 鲁棒聚合 隐私保护
在线阅读 下载PDF
机器学习中核函数的隐私保护计算方法及应用
4
作者 张明武 黄子麒 王玉珠 《密码学报(中英文)》 北大核心 2026年第1期28-42,共15页
核函数通过量化跨域样本间的相似性,将数据映射至高维空间以解决线性不可分问题,但其在传统明文上计算方式涉及多方数据交互,存在隐私泄露风险.本文针对该问题,提出半诚实模型下的隐私保护计算核函数框架.首先基于同态加密与随机扰乱因... 核函数通过量化跨域样本间的相似性,将数据映射至高维空间以解决线性不可分问题,但其在传统明文上计算方式涉及多方数据交互,存在隐私泄露风险.本文针对该问题,提出半诚实模型下的隐私保护计算核函数框架.首先基于同态加密与随机扰乱因子设计了三个交互式子协议,包括安全内积计算、安全幂函数计算与安全欧氏距离计算协议;通过将明文空间划分为正负数同余类并引入浮点数缩放因子,解决了传统加密算法在真实数据集上的兼容性问题;构建了基于交互式协议的非线性运算框架,在仅依赖加性同态加密的条件下,结合泰勒多项式逼近技术,通过两方计算与随机扰动技术实现了复杂核函数的安全计算,在单一密码系统内支持线性核函数、多项式核函数与高斯核函数;分析了方案的正确性、安全性、计算复杂性并说明了该方案的使用场景,利用公开数据集验证了此方案.实验结果表明,该方案在保证核函数模型精度的同时,有效实现了隐私保护目标,具备计算复杂度低与时间开销少的优势. 展开更多
关键词 线性可分 线性核 多项式核 高斯核 隐私保护
在线阅读 下载PDF
差分隐私保护的拜占庭鲁棒联邦学习模型
5
作者 赵建喆 范树勋 +1 位作者 雷裴根 张月婷 《小型微型计算机系统》 北大核心 2026年第1期201-214,共14页
拜占庭鲁棒联邦学习的目标是让服务提供者在存在有限数量恶意客户端的情况下,准确学习全局模型,他们通过对客户端提交的本地模型更新进行统计检验,排除那些异常的更新.但是,目前方法只要针对恶意用户所带来的安全性问题,而没有考虑可能... 拜占庭鲁棒联邦学习的目标是让服务提供者在存在有限数量恶意客户端的情况下,准确学习全局模型,他们通过对客户端提交的本地模型更新进行统计检验,排除那些异常的更新.但是,目前方法只要针对恶意用户所带来的安全性问题,而没有考虑可能存在的隐私问题,即窃取模型参数而进行的攻击类型.有的考虑了数据异构性,但是没有考虑由于系统异构性带来的效用下降问题.针对目前现有的隐私保护的联邦学习算法存在的问题,本文设计并实现了拜占庭鲁棒联邦学习算法(Byzantine Robust-Differentially Private Federated Learning,BR-DPFL),该算法创新性地引入了一种双层过滤机制:第1层过滤通过定义面向两种异构性(系统和数据)的效用函数,减少可能受到拜占庭攻击或其它干扰的数据影响;第2层过滤采用指数机制评估客户端的性能,并优先选择效用函数表现优异的客户端参与训练.此外,针对参数共享过程中的隐私问题,本文算法通过添加高斯噪声满足差分隐私保护,并且基于效用函数设计自适应的隐私预算分配方法,对于效用表现高于一定阈值的优质用户将隐私预算放大来减少噪声摄入,在保证隐私的同时提升算法的效用.综合实验结果表明,该算法在MNIST与CIFAR-10数据集上的准确率分别达到了96.6%和64.5%,在精度上优于现有的联邦学习算法. 展开更多
关键词 联邦学习 差分隐私保护 拜占庭鲁棒性 隐私预算分配 双重过滤机制
在线阅读 下载PDF
东道国数据隐私保护政策与中国数字服务贸易出口——来自欧盟《通用数据保护条例》的证据
6
作者 马述忠 易子鑫 +1 位作者 潘钢健 张道涵 《财经论丛》 北大核心 2026年第1期39-49,共11页
本文基于欧盟国家实施《通用数据保护条例》(GDPR)这一准自然实验,采用双重差分法考察东道国数据隐私保护政策对中国数字服务贸易出口的影响。研究结果发现:GDPR的实施对中国数字服务贸易出口具有抑制效应;东道国政府的数据监管力度和... 本文基于欧盟国家实施《通用数据保护条例》(GDPR)这一准自然实验,采用双重差分法考察东道国数据隐私保护政策对中国数字服务贸易出口的影响。研究结果发现:GDPR的实施对中国数字服务贸易出口具有抑制效应;东道国政府的数据监管力度和消费者数据隐私保护意识具有负向调节效应,表明GDPR通过提高企业的合规成本和搜寻成本抑制数字服务贸易出口;GDPR的出口抑制作用在贸易部门层面不存在显著差异,但在东道国层面差异显著,这种消极作用在互联网普及率和收入水平较高的国家更强。上述结论从数据隐私保护的角度加深了对数字贸易制度性影响因素的理解,为中国建设数字贸易强国提供有益的启示. 展开更多
关键词 数据隐私保护 数字服务贸易 通用数据保护条例 搜寻成本 合规成本
在线阅读 下载PDF
基于VSG的交流微电网自触发功率经济分配隐私保护策略
7
作者 杨珺 范晏通 秦杰 《电力系统自动化》 北大核心 2026年第1期118-129,共12页
针对高比例可再生能源并网导致的微电网惯性下降问题,聚焦于虚拟同步发电机控制交流微电网的功率经济分配与数据安全协同优化问题展开研究。首先,提出了一种融合模型预测控制的改进增量成本一致性算法,对功率不平衡值进行计算,打破了传... 针对高比例可再生能源并网导致的微电网惯性下降问题,聚焦于虚拟同步发电机控制交流微电网的功率经济分配与数据安全协同优化问题展开研究。首先,提出了一种融合模型预测控制的改进增量成本一致性算法,对功率不平衡值进行计算,打破了传统一致性算法中领导节点需要计算全局信息的限制。其次,提出了一种双维度协同的自触发隐私保护策略,并采用差分隐私机制对交互信息进行噪声注入以解决数据泄露问题。同时,结合事件驱动的自触发机制以减少计算负担并降低通信和加密成本。最后,通过4机7节点系统进行仿真验证。结果表明,所提自触发隐私保护策略显著减少了通信资源与计算资源,提升了微电网控制的鲁棒性与隐私安全性。 展开更多
关键词 微电网 虚拟同步发电机 隐私保护 功率经济分配 模型预测控制 一致性算法
在线阅读 下载PDF
面向隐私保护的多平台移动群智感知定价策略
8
作者 杨桂松 李嘉才 何杏宇 《小型微型计算机系统》 北大核心 2026年第3期587-593,共7页
在移动群智感知(MCS)研究中,单平台MCS中隐私保护方法由于未考虑平台间竞争的影响,难以直接应用于多平台环境,而多平台MCS中尚未有针对平台隐私保护的相关研究.为解决这一问题,本文提出了一种面向隐私保护的多平台定价策略.具体而言,本... 在移动群智感知(MCS)研究中,单平台MCS中隐私保护方法由于未考虑平台间竞争的影响,难以直接应用于多平台环境,而多平台MCS中尚未有针对平台隐私保护的相关研究.为解决这一问题,本文提出了一种面向隐私保护的多平台定价策略.具体而言,本文将平台定价问题建模为多领导者-多追随者的斯塔克尔伯格博弈:平台作为领导者设定价格,工人作为追随者根据价格优化其服务贡献.此外,提出了一种基于多智能体强化学习的去中心化定价机制(DMRL-PM),使平台无需透露私有信息,仅通过公开报价信息自主学习最优定价策略.该机制引入并改进了WoLF-PHC算法中的“赢或快速学习”机制,实现了策略学习率的自适应动态调整.实验结果表明,与现有方法相比,DMRL-PM在收敛性与有效性等方面具有显著优势. 展开更多
关键词 移动群智感知 隐私保护 定价机制 多智能体强化学习 斯塔克尔伯格博弈
在线阅读 下载PDF
车联网边缘服务场景下的隐私保护计算:技术基础与研究进展综述 被引量：1
9
作者 李佳惠 李英龙 陈铁明 《计算机科学》 北大核心 2026年第1期298-322,共25页
随着智能汽车、边缘计算与无线通信技术的深度融合,“车-路-云”协同的智能车联网边缘服务体系快速发展,通过实时数据处理优化了交通效率与驾驶安全性。然而,开放边缘网络环境下海量车辆感知数据(如位置轨迹、驾驶行为)的交互与计算,面... 随着智能汽车、边缘计算与无线通信技术的深度融合,“车-路-云”协同的智能车联网边缘服务体系快速发展,通过实时数据处理优化了交通效率与驾驶安全性。然而,开放边缘网络环境下海量车辆感知数据(如位置轨迹、驾驶行为)的交互与计算,面临窃听攻击和推理攻击等隐私泄露风险。虽然现有的隐私保护方案逐步增强了隐私保护效果,但车联网边缘环境下的动态拓扑与资源受限等特性,使得隐私保护强度与服务性能存在矛盾。隐私保护计算作为一种有效的隐私保护手段,对于维护用户的个人权益以及促进车联网产业的可持续发展具有重要意义,已成为保障车联网服务的关键研究领域之一。首先,概述了车联网边缘服务架构,并分析了其中潜在的隐私泄露风险。然后,根据隐私保护计算技术的不同机制,分类探讨了基于数据变换、安全多方计算、联邦学习和可信执行环境技术的车联网隐私保护计算方法。在此基础上,从隐私泄露风险、数据效用、开销和可扩展性4个关键评价维度出发,对隐私保护计算技术在车联网中的实际应用进行了系统性的分析与比较,可以更清晰地了解不同隐私保护计算方法在车联网中的优势、局限性和适用场景。此外,还阐述了相应的优化策略,为未来的研究和实践提供参考和指导。最后,探讨了未来车联网隐私保护计算的研究切入点和问题的解决思路。 展开更多
关键词 车联网 边缘服务 隐私保护计算 差分隐私 模糊泛化 安全多方计算 联邦学习 可信执行环境
在线阅读 下载PDF
车联网中基于度量本地差分隐私的集合数据隐私保护机制
10
作者 唐聪 薛乔 +1 位作者 王箭 张焱 《电讯技术》 北大核心 2026年第1期117-125,共9页
现有的针对集合型数据的隐私保护机制如果直接应用到车联网中会对频率分布估计结果的准确度造成很大影响。针对这一不足,提出了一种基于度量本地差分隐私模型的对称差私有集合(Symmetric Difference Private Set,SDPrivSet)协议。该协议... 现有的针对集合型数据的隐私保护机制如果直接应用到车联网中会对频率分布估计结果的准确度造成很大影响。针对这一不足,提出了一种基于度量本地差分隐私模型的对称差私有集合(Symmetric Difference Private Set,SDPrivSet)协议。该协议中,用户在本地将数据扰动后提交给服务器,服务器则根据接收到的扰动数据估计出真实数据的频率分布。该协议提供了严格的数据隐私保护,在用户端和服务器端具有低计算开销,并且在进行统计分析时具有高数据效用。在真实数据集上的实验结果表明,SDPrivSet协议在任意原始数据域和集合大小以及隐私预算下性能都是最优的,相较于现有协议提升了至少34.20%,并且在集合大小和隐私预算较大时性能提升更为明显。 展开更多
关键词 车联网 度量本地差分隐私 频率估计 集合型数据 隐私保护
在线阅读 下载PDF
基于多层联邦学习的终端数据隐私保护方案
11
作者 平欢 夏战国 +2 位作者 刘思诚 刘奇翰 李春磊 《计算机应用》 北大核心 2026年第3期830-838,共9页
作为一种保护数据隐私的分布式机器学习框架,联邦学习面临着传统云-边-端三层结构难以满足日益严格的数据安全法规和指数级增长数据的挑战,同时边缘设备轻量化趋势导致计算能力受限。为解决上述问题,提出一种面向多级监管和异构资源环... 作为一种保护数据隐私的分布式机器学习框架,联邦学习面临着传统云-边-端三层结构难以满足日益严格的数据安全法规和指数级增长数据的挑战,同时边缘设备轻量化趋势导致计算能力受限。为解决上述问题,提出一种面向多级监管和异构资源环境的可选多层联邦学习(OHFL)方案。首先,采用树形多层结构实现边缘层数与每层服务器数量的灵活配置,从而适配不同应用场景下的监管层级和资源分布;其次,在保证通信效率的基础上,引入差分隐私机制,同时对部分神经网络层采用同态加密,并将加密任务下沉至最邻近的边缘服务器以分散计算压力。实验结果表明,OHFL方案在MNIST独立同分布(IID)数据集上达到了97.82%的分类准确率,且新增加密机制分别使用卷积神经网络(CNN)和ResNet18带来的时间损失仅为每轮6.24 s和6.80 s,说明OHFL方案显著提升了系统的计算与通信效率。可见,所提方案不仅在理论上提升了多层级联邦学习架构下的安全性与适应性,而且为实际应用中满足多级监管和高效安全计算需求提供了可行路径,特别适用于数据敏感且资源异构的物联网(IoT)与医疗等场景。 展开更多
关键词 联邦学习 分层架构 差分隐私 同态加密 隐私保护
在线阅读 下载PDF
基于元分析的用户隐私保护行为影响因素研究 被引量：1
12
作者 臧国全 樊娴静 +2 位作者 张凯亮 武兴毅 肖洋 《现代情报》 北大核心 2026年第3期56-67,共12页
[目的/意义]针对现有用户隐私保护行为影响因素研究结论的不一致现象,对相关实证研究进行系统梳理及再分析,旨在寻求研究分歧的产生原因,提出解决方案,激发用户采取隐私保护行为的主动性。[方法/过程]运用元分析方法,从103篇实证研究中... [目的/意义]针对现有用户隐私保护行为影响因素研究结论的不一致现象,对相关实证研究进行系统梳理及再分析,旨在寻求研究分歧的产生原因,提出解决方案,激发用户采取隐私保护行为的主动性。[方法/过程]运用元分析方法,从103篇实证研究中识别并归纳出14个影响因素,通过发表偏倚检验、异质性检验、主效应分析、累积元分析、调节效应分析等,探讨不同因素对用户隐私保护行为的影响及时间变化趋势,并检验平台类型、文化背景两个变量的调节作用。[结果/结论]结果表明,隐私关注、隐私保护意愿、隐私保护意识、自我效能、反应效能、感知威胁严重性、感知威胁易感性、感知风险、隐私泄露经历、教育水平和年龄11个变量是影响用户隐私保护行为的主要因素;平台类型和文化背景在用户采取隐私保护行为中发挥显著调节作用;时间累积元分析发现,隐私躺平是用户隐私保护行为逐渐减少的关键原因。 展开更多
关键词 隐私保护行为 影响因素 元分析 累积元分析 调节效应分析
在线阅读 下载PDF
基于区块链的轻量级车载自组网条件隐私保护认证
13
作者 周岳霖 钟伯成 王瑞 《计算机工程》 北大核心 2026年第3期201-210,共10页
条件隐私保护认证(CPPA)是一种车载自组网(VANET)中支持安全通信的有效途径。针对VANET中消息认证低效以及数据隐私存在敌手威胁的问题,提出基于区块链的轻量级CPPA方案。该方案在消息验证过程中采用改进的基于椭圆曲线加密的非交互式Sc... 条件隐私保护认证(CPPA)是一种车载自组网(VANET)中支持安全通信的有效途径。针对VANET中消息认证低效以及数据隐私存在敌手威胁的问题,提出基于区块链的轻量级CPPA方案。该方案在消息验证过程中采用改进的基于椭圆曲线加密的非交互式Schnorr签名算法,避免使用耗时的密码学操作;采用实体自行生成的短假名进行匿名通信,系统架构引入联盟区块链,在消息验证过程中利用智能合约技术自动验证发送者身份,减少了方案的通信开销。安全性分析结果表明,在随机预言模型(ROM)中,提出的方案在自适应选择消息攻击下具有抗伪造的安全性,且满足条件隐私保护要求。通过MIRACL密码学库测量了提出的方案和现有CPPA方案使用密码学操作的执行时间,并运用Hyperledger Caliper评估了区块链测试网络的交易延迟和吞吐量。实验结果表明,提出方案在签名生成和单条消息验证阶段的计算开销和通信开销均达到轻量级,且有效支持批量消息验证。 展开更多
关键词 车载自组网 条件隐私保护 联盟区块链 SCHNORR签名 随机预言模型
在线阅读 下载PDF
生成式人工智能服务用户隐私保护三方随机演化博弈与仿真研究
14
作者 王艺 李小龙 +2 位作者 杨鹭 朱梦蝶 杨海平 《现代情报》 北大核心 2026年第3期81-98,共18页
[目的/意义]多主体协同参与是构建安全可信的生成式人工智能服务生态的关键。本文通过探究GAI服务用户隐私保护情景中相关主体策略行为与影响因素,拓宽了随机演化博弈理论的研究情景,加深了对GAI服务用户隐私泄露动态机制的理解,丰富了... [目的/意义]多主体协同参与是构建安全可信的生成式人工智能服务生态的关键。本文通过探究GAI服务用户隐私保护情景中相关主体策略行为与影响因素,拓宽了随机演化博弈理论的研究情景,加深了对GAI服务用户隐私泄露动态机制的理解,丰富了GAI隐私保护领域的理论与方法,并为推动GAI服务用户隐私保护实践提供了启示。[方法/过程]基于演化博弈理论及随机过程,构造时变用户隐私泄露风险函数,构建具有GAI服务场景特殊性的“用户—GAI服务提供者—政府”三方随机演化博弈模型,借鉴Itô随机微分方程理论和数值仿真分析三方主体行为策略的稳定性和演化规律。[结果/结论]研究发现:(1)三方初始意愿影响后续系统演化方向和演化速度,且仅在用户和政府均持有较高初始意愿时,GAI服务提供者才可能选择积极保护策略并使系统演化至理想状态。(2)随机扰动强度越大,三方博弈主体演化至稳定策略的波动性和不确定性越高,且GAI服务提供者对不确定因素更为敏感。(3)GAI服务市场优胜者和市场参与者均能在三方高初始意愿条件下收敛至理想状态的稳定策略,而市场生存者难以演化至理想状态;相较于通用型GAI服务提供者,垂直型GAI服务提供者策略具有更快的正向收敛速度。(4)政府增加对GAI服务提供者的罚金并提供适中奖励,会提高其积极保护隐私概率,进而降低其泄露隐私概率,而政府降低对用户不实举报惩罚力度,虽可提升用户披露隐私概率,但若对服务提供者的罚金过低,则无法促使其采取积极保护策略;政府增加用户维权赔偿或减少维权成本,均能推动其积极披露隐私。 展开更多
关键词 隐私保护 生成式人工智能 随机演化博弈 政府监管 隐私泄露
在线阅读 下载PDF
具有记忆事件触发机制隐私保护的多智能体系统安全控制
15
作者 朱天飞 曹亮 《控制理论与应用》 北大核心 2026年第1期100-109,共10页
针对具有未知扰动的非线性多智能体系统,本文提出一种基于记忆事件触发机制并具有隐私保护的合作学习控制算法.首先,为防止智能体间交互的关键状态与控制信息泄露,构造时间掩码函数对整个系统进行隐私保护,提高加密能力同时减轻对系统... 针对具有未知扰动的非线性多智能体系统,本文提出一种基于记忆事件触发机制并具有隐私保护的合作学习控制算法.首先,为防止智能体间交互的关键状态与控制信息泄露,构造时间掩码函数对整个系统进行隐私保护,提高加密能力同时减轻对系统性能的影响;其次,将记忆事件触发机制嵌入反步法控制框架,借助该机制对历史数据的存储能力实现安全控制目标;同时,利用历史数据设置阈值条件,避免虚假信号影响通讯并保证系统的瞬态性能;最后,提出基于误差的合作学习自适应律.其不需要预先假定邻居权重是有限的,从而减少了保守性,通过理论分析和仿真结果验证所构建事件触发控制方案的可行性. 展开更多
关键词 多智能体系统 事件触发机制 隐私保护 安全控制
在线阅读 下载PDF
健康医疗数据隐私保护的模式优化
16
作者 滕长利 《医学与哲学》 北大核心 2026年第4期56-61,共6页
欧美各国基于对人的自由和尊严的保护,形成了健康医疗数据的个人控制论,较好地契合了传统伦理框架下“原子式”的个体自治理念。然而随着健康医疗数据逐渐转入积极利用阶段,健康医疗数据隐私保护的个人控制模式呈现出“自主性不足、私... 欧美各国基于对人的自由和尊严的保护,形成了健康医疗数据的个人控制论,较好地契合了传统伦理框架下“原子式”的个体自治理念。然而随着健康医疗数据逐渐转入积极利用阶段,健康医疗数据隐私保护的个人控制模式呈现出“自主性不足、私权化倾向、适应性降低、控制效果不佳”的内在缺陷,需从建立个人利益与社会整体利益相平衡的视角出发,通过“增进控制主体的自主性、重申控制客体的社会性、提升控制标准的适应性、强调控制效果的发展性”四位一体推动健康医疗数据隐私保护从“个人控制”向“社会协同控制”的模式优化。 展开更多
关键词 健康医疗 数据 隐私保护 个人控制 社会协同控制
在线阅读 下载PDF
物联网安全与隐私保护中博弈论的应用综述
17
作者 金志刚 刘泽培 武晓栋 《系统工程与电子技术》 北大核心 2026年第3期1072-1082,共11页
物联网的安全与隐私保护是研究热点和技术难题。博弈论方法能够有效分析物联网系统中多方利益主体的博弈行为,在决策分析层面对防御技术形成重要补充。综述了近五年来博弈论在物联网安全与隐私保护中的应用,系统梳理了其在安全对抗中的... 物联网的安全与隐私保护是研究热点和技术难题。博弈论方法能够有效分析物联网系统中多方利益主体的博弈行为,在决策分析层面对防御技术形成重要补充。综述了近五年来博弈论在物联网安全与隐私保护中的应用,系统梳理了其在安全对抗中的应用场景与技术贡献。按照对抗主体的不同,相关研究分为两类:一类聚焦攻防双方的博弈,另一类针对特定物联网场景中不同组织之间的交互与协作。深入讨论了当前研究的挑战,包括均衡假设的合理性、计算复杂性以及算法实用性等问题,并展望了结合强化学习技术开发智能博弈安全机制的发展方向。 展开更多
关键词 物联网安全 隐私保护 博弈论 纳什均衡 强化学习 智能安全机制
在线阅读 下载PDF
基于个性化梯度裁剪的联邦学习隐私保护算法
18
作者 曹天涯 张雨静 +2 位作者 贾俊杰 张宇帆 邓晓飞 《计算机工程》 北大核心 2026年第2期265-274,共10页
联邦学习作为目前深度学习最为常用的隐私保护框架,被众多机构广泛应用。此框架中的各个参与方通过上传模型参数数据实现本地数据不离本地,达到共享数据的目的。但在联邦学习中各个参与方频繁上传及接收参数时易出现隐私泄露问题。为解... 联邦学习作为目前深度学习最为常用的隐私保护框架,被众多机构广泛应用。此框架中的各个参与方通过上传模型参数数据实现本地数据不离本地,达到共享数据的目的。但在联邦学习中各个参与方频繁上传及接收参数时易出现隐私泄露问题。为解决这一问题,提出一种基于个性化梯度裁剪的联邦学习隐私保护算法(AADP_FL)。该算法根据参与方不同网络层历史数据的L1范数计算出各层的裁剪阈值,对梯度数据进行裁剪以限制梯度范围,预防梯度爆炸及梯度消失。同时计算各层的贡献度,根据各层贡献度为每层分配隐私预算,进而添加个性化噪声。参与方在上传数据时加入适量的噪声,以掩盖上传数据的具体内容,进而隐藏各个参与者的贡献率,保护各个参与方的数据安全。经过一系列实验证明,AADP_FL算法的准确率相较于常用的个性化梯度裁剪方法提升3.5百分点以上,相比于传统的联邦学习框架也能保持较高的准确率。同时,该算法在保持较高准确率的同时能严格保护参与方数据的隐私安全,使得模型性能与数据隐私性达到均衡状态。 展开更多
关键词 联邦学习 隐私保护 差分隐私 隐私预算 个性化梯度裁剪
在线阅读 下载PDF
基于敏感属性解耦的社交图表征隐私保护
19
作者 黎雨雨 汤金川 《计算机工程与设计》 北大核心 2026年第2期400-407,共8页
针对社交图表征效用信息不足和隐私信息剔除不彻底的问题,提出了一个基于敏感属性解耦的隐私保护模型。该模型由属性解耦模块和隐私保护模块组成。在解耦模块中,利用矩阵子空间投影技术将敏感属性分解为隐私表征和效用表征。同时,使用... 针对社交图表征效用信息不足和隐私信息剔除不彻底的问题,提出了一个基于敏感属性解耦的隐私保护模型。该模型由属性解耦模块和隐私保护模块组成。在解耦模块中,利用矩阵子空间投影技术将敏感属性分解为隐私表征和效用表征。同时,使用一个编码器对非敏感属性进行编码,并将编码结果与效用表征拼接得到整体表征。在隐私保护模块中,通过最小化整体表征与隐私表征之间的互信息,减小二者的相关性,从而剔除整体表征中的敏感信息。在真实社交网络数据集上的仿真实验结果表明,所提模型在隐私保护和任务效用性能上均显著优于现有方法。 展开更多
关键词 社交网络 图表征 属性推理攻击 敏感属性解耦 空间投影 隐私保护 效用提升
在线阅读 下载PDF
大语言模型推理隐私保护技术综述
20
作者 崔津华 董亮 杨新 《信息网络安全》 北大核心 2026年第4期503-520,共18页
大语言模型已在医疗、金融、司法等领域得到广泛应用。然而,在推理阶段,大语言模型的隐私风险问题尤为突出。文章首先从隐私风险角度出发,对推理阶段的潜在威胁展开系统性分析,并根据隐私泄露对象进行分类。然后,对现有隐私保护方法进... 大语言模型已在医疗、金融、司法等领域得到广泛应用。然而,在推理阶段,大语言模型的隐私风险问题尤为突出。文章首先从隐私风险角度出发,对推理阶段的潜在威胁展开系统性分析,并根据隐私泄露对象进行分类。然后,对现有隐私保护方法进行概述,并根据技术路径将其划分为基于密码学、基于检测以及基于可信执行环境的方法,重点讨论了各类方法的优势与局限。从安全性、效率、可扩展性和部署复杂度4个维度,对不同方法进行深入比较与分析。最后,结合研究现状与挑战,总结出未来在推理阶段提升大语言模型隐私保护的研究方向与潜在解决思路。 展开更多
关键词 大语言模型 推理阶段 隐私保护 可信执行环境
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 148 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
版权所有© 2001-2026 渝B2-20050021-1渝公网安备 50019002500403号
使用帮助 返回顶部