用于检测和预防数据交易中的安全和隐私问题的密码学模型

来源 :中国科学技术大学 | 被引量 : 0次 | 上传用户:lu471085958
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在数据交易市场中,各种在线应用程序(社交网络)和数据库收集了越来越多的用户数据。在线社交网络的应用程序可以在全球范围内共享用户或客户的数据。在共享用户数据期间,它可能涉及到用户的隐私信息,这是保护用户的隐私带来了挑战。因此,在数据共享期间确保用户的隐私保护是有必要的。加密通过使用访问控制技术来保护社交网络隐私。在数据共享中,隐私保护方案主要有三种架构,包括中心化架构、半中心化架构和去中心化架构。
  中心化体系结构:在中心化数据共享中,通常对集中式的数据使用降维和基于数据相似性的表示形式。数据保护要兼顾对未知隐私数据处理的效率及隐私性。由于该方法是专门为集中式数据而设计的,因此不能被普遍使用。缺乏这种架构,单点故障将导致整体数据的丢失。隐私中的缺陷是可能导致恶意的攻击,通过使用复杂的攻击和计算方法,这种问题更易发生。加密形式的数据需要使业务模型具有可用性并且满足隐私需求(在数据托管的模式中,加密形式的数据是有必要的)。
  半中心化体系结构:中心化体系结构和去中心化体系结构之间的中间解决方案是半中心化数据共享体系结构(它可兼具两者的优点)。该体系结构定义了所需数据的关键元素,而平台的关键模块旨在实现高效且有效的数据交易系统。它兼顾了互操作性,安全性,隐私性,可维护性,可用性和可伸缩性等重要性能指标。
  去中心化体系结构:P2P在线社交网络在隐私方面不依赖于用户数据的集中式存储(中心化体系结构)。许多去中心化体系架构被设计出来用以解决在线社交网络服务上的这些隐私问题(去中心化数据共享架构,旨在提高交易系统架构中未知隐私数据处理的效率)。交易市场包含几个交互方,包括用户数据提供者,用户数据使用者和用户数据代理。在这样的市场中,用户可以交易其数据并从共享中受益。这些体系结构可能引起严重的隐私问题。这与数据共享,数据使用,数据托管周期以及维护人员有关。用户需要注意数据的基本使用和控制,数据使用的目的和条件,数据的保存,是否允许数据共享以及与谁共享等。保证数据管理的安全性和隐私性是一项艰巨的任务。本文提出的数据交易框架通过协商一些隐私元素来确保协议的灵活性。本文的目标是找到一个可以安全地交换、交易用户数据并获得丰厚报酬的数据交易市场。
  近年来,在线社交网络(OSN)上的数据共享访问策略以惊人的速度增长,并成为数亿互联网消费者的事实上的门户。OSN提供数字社交互动和信息共享。其限制在于,由于用户目前没有有效的隐私保护机制来保证多用户数据的隐私性,因而限制了对共享数据的访问。OSN的数字社交互动和信息共享引发了许多安全和隐私问题。为了解决这些问题,我们使用了Persona,EASieR,基于属性的数据共享及属性基加密(ABE)加密方案。
  本文研究了数据共享和社交网络平台中的保密性、组织维护、社交契约、客户越轨行为、错误排除、计划和评估、支付和数据交易需求等安全和隐私问题。我们提出了两种方案“tau-访问策略”和“基于TTP的签密方案”。我们提出的tau-访问策略方案的创新性在于保护用户数据的机密性,维护社交网络中客户的合同,维护买卖双方之间的贸易组织交易策略,避免客户异常行为(交易期间买卖双方的恶意行为),保证错误的排除(不要将买卖商品发送给错误的用户),提供计划和评估(交易经理随时可以提供给买卖双方准确的交易计划,这对交易市场的成功是必须),提供成功的付款流程(从买方到卖方),以及满足数据交易需求(社交网络增加了对卖方和买方之间的交易需求)。
  数据共享和社交技术的飞速发展已经取代了数据交易市场中的物理交互。该技术的应用是在正确的时间提供对正确信息的访问。缺点是窃听者可以将用户从网络中删除,并可以创建代理参与者。在本文中,我们讨论了社交网络如何克服和防止这些数据交易问题。我们提出了一种新的加密方案,称为tau-访问策略。用户可以在基于社交网络的数据交易中加密和解密隐私交易信息(PTI)。我们提出的访问策略方案的安全属性包括数据机密性、数据完整性、可认证性、不可否认性、不可伪造性。我们提出的访问策略方案的效率为77.73%,更适合于数据交易市场和交易策略。在基于TTP的带签名加密方案中,TTP摆脱了繁重的工作负担,例如多次地加密云服务用户(CSU)的请求并解密云服务提供商(CSP)的服务。我们方案的有效性能(EP)基于的主要操作包括椭圆曲线点乘法、哈希、求逆、异或、加密和解密。我们方案的安全性需求是:数据完整性、数据机密性、可认证性、不可否认性、前向机密性、不可伪造性和不可追溯性。
其他文献
心音分类可用于检出异常心音、发现心血管病患者,在心血管病诊断方面能发挥重要作用,是基于心音信号的心血管病自动诊断领域的主要研究热点,吸引了众多国内外学者的研究兴趣。传统上基于经验选择心音信号特征以执行分类任务的方法,存在有效特征获取难、分类效果欠佳等不足。随着人工智能技术的发展,近年来深度学习已成为研究心音分类的主流方法,在分类性能上取得了较大提升。基于深度学习的心音分类网络一般都基于较大的神经网络所建立,需要大量训练样本来优化其权值。但是,现实中采集大量的心音数据是困难且昂贵的,从而导致难以获取充足的心
摘 要:实现世界旅游强国的战略构想为当前的旅游高等教育人才培养提出了新的挑战。旅游专业本科教育需要构建和优化精品人才的“培养链”。建立系统的精品人才培养体系涉及目标体系、内容体系、运行体系和评价体系等,其全过程必须贯彻和体现“精品”生产的意识和理念。  关键词:旅游本科;精品教育;培养模式;人才  中图分类号:F240 文献标志码:A 文章编号:1673-291X(2014)12-0239-03 
期刊
近年来,机器学习理论和应用正以惊人的速度发展并改善着人们的生活,目前机器学习算法已经广泛应用于民生、医疗、安防以及国防等领域,例如基于人脸识别的门禁和安防系统、基于指纹识别的支付系统、图像检索以及谷歌在研的无人驾驶汽车等等。随着计算机硬件、网络以及相关数据采集设备的快速发展,给人们获取丰富的数据资源带来了极大的便利,大量的数据含有丰富的信息,原则上应有助于机器学习学习到更合理的模型,但是丰富的数据也带来了数据复杂性的提高、信息过量和数据冗余等问题,甚至部分数据由于不规范的采集方式或恶劣的采集环境会出现大量
复杂网络作为复杂系统的一种图论模型,由众多节点及其间的连接关系构成,当节点与连接关系随时间发展变化时,就形成了复杂动态网络。从大系统的角度看,复杂动态网络是由节点群和连接关系群两个子系统耦合而成。在控制理论研究领域中,复杂动态网络作为一类重要的控制对象,囊括了诸如生物(人工)神经网络、移动通信网络、社会网络等许多现实网络,因而探索其结构特点、控制其群体行为等研究具有重要的实践和科学意义。
  在现有复杂网络研究领域中,实数加权复杂网络是一类重要的研究对象,它利用实数加权值的连线描述网络中节点间的连接
慢性肾小球疾病是导致终末期肾病的首要原因,而膜性肾病是慢性肾小球疾病的一个重要类型,在早期对膜性肾病进行精准诊断具有重要意义。临床上最为常用的诊断方法为免疫荧光法,但是此方法存在一定的假阳性概率且消耗较多人力成本,缺乏更为高效、准确的膜性肾病自动分类方法。高光谱成像技术通过获取光的发射、吸收与散射情况从而捕获可表征物质化学成分的光谱信息,实现了物理结构信息与生物化学成分信息的结合。深度学习(Deep Learning,DL)算法在图像处理领域具有明显优势,与传统算法相比深度算法可自适应地提取高阶特征,从而
糖尿病性视网膜病(DR)是糖尿病的并发症,是许多糖尿病患者失明的最终原因。它是一种广泛传播的眼病,影响着整个世界。在大规模糖尿病人群中对DR进行早期诊断,对于控制DR患病率、避免严重视力丧失起着至关重要的作用。当前,医学图像分析被用于执行DR的诊断。在计算机辅助诊断(CAD)系统进行DR早期筛查时,数字眼底成像(DFI)是已知的医学成像方式之一。为了在2015年至2020年间开发用于诊断DR的CAD系统,许多作者采用了基于深度学习(DL)的多层体系结构来获得高精度。深度学习方法对DR识别的有效性相比传统方
胰腺作为一个位于腹部深处的不显眼的小器官,主要负责人体复杂的内分泌和外分泌系统,其生理作用和病理变化与生命息息相关。然而,胰腺却非常容易受到各种病变的侵害,特别是胰腺癌。根据临床诊断,胰腺癌的发病率呈现不断上升的趋势,且其发病率几乎等于致死率。在临床上,计算机断层扫描图像(Computed Tomography,CT)对胰腺癌的确诊和判断能否进行手术切除发挥着非常重要的作用。因此,随着医学图像数量的不断增加和医学图像分析技术的不断进步,如何快速且准确地对胰腺定位和分析俨然已经成为了计算机辅助诊断(Comp
核方法是机器学习领域的经典模型之一,其原理是将输入的原始空间的特征映射到高维甚至无穷维空间中,并在高维空间学习得到对应的线性模型,使模型具有极强的非线性表达能力。核方法在回归、分类等任务上都有广泛的应用。作为理论较为完备的机器学习算法,其在不同场景下仍有许多亟待解决的问题:(1)在多输出回归应用中,核方法极大提升了模型的非线性表达能力,但同时导致模型的灵活性受限,尤其在处理多个输出相关性问题上,显得能力不足;(2)通常基于核方法的判别模型处理样本个体为单个样例,当处理单个样本为一个集合数据的学习任务时,现
随着电子商务规模的不断扩大,各种各样的商品迅速出现而且种类也越来越多快,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失,一个好的推荐系统对于用户的重要性不言而喻。而冷启动问题在推荐系统中一直是一个比较重要的问题。冷启动问题是协同过滤推荐算法中被广泛关注的一个经典问题,该问题一直影响传统协同过滤推荐系统的健康发展,它的存在严重影响了推荐系统的推荐质量。对于电子商务推荐系统,每天都有大量的新用户访问系统,每天都有相当数量的新项目添加到
视觉对人类具有至关重要的意义,图像在人类生活中广泛分布。因此,图像处理被广泛应用于遥感,军事,医疗等领域。如今,人们很容易通过数字技术获取大量图像。图像处理需要能够解决更复杂的问题,适应人类视觉。机器学习技术是图像处理开发的重要部分。因为数据集的发展,图像处理和机器学习引起了巨大的关注。基于机器学习的图像处理有很多优势,能够更好地理解复杂的图像。本文研究了三个方面问题:多光谱和全色图像的锐化、多焦点图像融合和高光谱图像分类。
  首先,图像锐化前进行图像增强,它是一个预处理的过程。图像增强包括同域增