事务数据安全与隐私保护的若干关键问题研究

Since its applications of business decision and data mining have immeasurable value, transaction data have become the focus of the business community. Privacy protection of transaction data is a hot research topic in information security domain at present. To address the characteristic of multi-type data, this project prepares to study the conflict issues between the practical demand of multi-type data and its privacy protection. Specific content as follows: 1. Based on the existing anonymous technology, the project will focus on research the privacy leakage mechanism of multi-dimensional correlation data, and design a privacy-preserving technology of graph-based Transparent Link, and build a new privacy model suitable for high dimensional multi-type transaction data; 2. Extending the above technologies to the business application of recommending system, the project focus on research the utility-based privacy problems, and will design a privacy-preserving mechanism combined with social data from the multi-dimensional of data perspective. We verify the effectiveness of the proposed models and mechanisms on both simulated and real datasets. Taking advantage of addressing the problems of privacy protection of transaction data, the project has important academic and application value by providing technical support for business application, and promoting the development of the field of multi-type data research.

事务数据在商业决策、数据挖掘等应用中具有不可估量的价值，目前已经成为商业界关注的焦点。事务数据的隐私保护是目前信息安全的热点之一，本项目拟从事务数据的多类型数据特点入手，展开多维数据的隐私保护与数据的实用需求之间的冲突等关键问题的研究。具体内容为：１、立足现有的匿名技术，研究多维相关性数据的隐私泄露机理，拟设计一种基于图的 “透明链接”隐私保护技术，建立适用于高维多类型数据的隐私模型；2、将以上技术应用到商务推荐系统中，研究基于实用需求限制的隐私保护难题，拟从数据多维性角度，结合社交数据设计隐私保护机制，并用模拟平台及实际数据集来验证提出的模型和机制的有效性。本项目以事务数据的隐私保护问题为切入点，为商务应用需求提供技术保障，推动多类型数据领域的相关研究进展，具有重要的学术和应用价值。

事务数据在商业决策、数据挖掘等应用中具有不可估量的价值，目前已经成为商业界关注的焦点。事务数据的隐私保护是目前信息安全的热点之一。本项目从高维多类型事务数据的隐私保护理论和方法展开研究，主要研究内容和结果如下：（1）针对事务型数据存在高维稀疏、多类型等特征，提出了一种混合的隐私保护模型来解决数据发布存在的多实用需求问题；针对带有关系型属性的多维敏感数据，提出基于概率图的“透明链接”隐私保护方法；针对存在多类型敏感数据的问题，提出一种适用于多类型数据的多倍隐私保护模型。（2）针对多维数据之间的关联性问题，提出了一种基于粗糙集理论的相关数据隐私问题的信息熵差分隐私解决方案；针对多种类型数据联合发布的情况，提出了一种基于集值数据与社会网络拓扑信息相关联的攻击模型及相关的隐私保护方案。针对动态复杂的数据流场景，提出了一种基于滑动窗口的ρ-不确定性模型。（3）针对推荐应用中的动态环境，为了满足推荐精确度、时效性与隐私安全性等多种需求，提出了一种基于P2P的隐私保护策略；针对数据之间的复杂关联性存在隐私问题，提出了一种在非独立同分布环境下的多相关性差分隐私矩阵分解方法。针对跨域推荐中的数据可信性问题，提出基于区块链的安全跨域推荐方法。针对POI推荐中的数据稀疏问题，提出一种基于联邦学习和隐私保护的POI推荐框架。（4）在高维社交网络数据方面，提出有效保护社区结构的局部扰动匿名方法；设计了随机扰动矩阵，提出了固定和可变参数两种随机化隐私保护方法；将k-匿名和随机化方法进行结合，提出了社会网络数据发布的混合隐私保护方法；针对社交网络的动态发布，提出了防止标签邻居攻击的匿名方法；针对高维高敏感度的医疗数据，首次将差分隐私和粗糙集规则提取相结合，提出了一种挖掘医疗数据中隐藏模式并保证患者隐私的新方法。项目成果能对为商务应用需求提供技术保障，为经济发展、社会稳定以及互联网技术的有效利用具有重要的促进作用。