答辩公告
我的位置在: 首页 > 答辩公告 > 正文
魏建好博士生答辩公告
浏览次数:日期:2021-09-06编辑:研究生秘书

学位论文简介

随着大数据技术的快速发展,多种大数据平台产生类型多样、内容丰富的多源数据。然而,挖掘多源数据会造成数据隐私泄露问题。传统的密文方法阻碍了数据的可用性,差分隐私方法作为一种可严格数学证明的隐私保护技术,通过降低一定程度的数据可用性,确保多源数据隐私。然而,如何有效挖掘多源数据信息,在数据可用性和隐私保护之间取得平衡是急需解决的关键问题。本文深入研究了四种典型的多源数据场景(个性化医疗、踪迹社区推荐、空间众包、社交话题推荐)下的差分隐私保护问题,主要工作和创新成果如下:

1)针对云计算中个性化医疗基因匹配隐私保护问题,提出一种基于差分隐私的基因匹配(DPGM)方案。传统的差分隐私方案仅考虑保护发布序列的隐私,且不支持基因匹配。本文方案实现有效的基因匹配,并保护基因数据隐私,包括发布序列、查询序列和查询结果隐私。通过安全性分析证明了该方案满足差分隐私。在真实数据集上的实验结果表明了该方案具有高效率和数据可用性。

2)针对踪迹社区推荐中踪迹数据隐私保护问题,提出一种基于差分隐私的踪迹社区推荐(DPTCR)方案。已有差分隐私方法依赖可信的第三方,存在泄露风险。该方案基于隐私语义期望方法,将真实位置模糊为语义相似的噪声特征位置,采用隐私地理距离方法构造噪声踪迹。提出语义-地理距离模型聚类踪迹社区。安全性分析和实验评估表明该方案取得差分隐私,可以推荐高数据可用性的踪迹社区。

3)针对空间众包场景中的位置隐私保护问题,提出一种基于差分隐私的任务分配(DPTA)方案。已有差分隐私方法没有保护任务位置隐私。本文提出的方案同时保护工作者和任务位置隐私,并取得了高数据可用性的任务分配。通过安全性分析和实验评估论证了DPTA方案是安全的、高效的,满足实际需求。

4)针对社交话题推荐中的文本社交内容隐私保护问题,提出一种基于本地差分隐私的社交话题推荐方案。传统的差分隐私方案保护社交内容隐私依赖完全可信的第三方,没有考虑保护社交关键词相关性隐私,不支持在线社交内容的隐私保护。本文方案执行高质量热点话题推荐且本地化保护社交内容隐私。详细的安全性分析证明了该方案满足本地差分隐私。通过实验评估表明该方案在确保高水平隐私的同时,可以获得高数据可用性。

主要学术成果

  1. Jinhao Wei, Junyi Li, Yaping Lin, Jin Zhang. LDP-based Social Content Protection for Trending Topic Recommendation [J]. IEEE Internet of Things Journal, 2021, 8(6): 4353–4372. (SCI 一区, 第一作者)

  2. Jianhao Wei, Yaping Lin, Xin Yao, Jin Zhang. Differential Privacy-based Location Protection in Spatial Crowdsourcing[J].IEEE Transactions on Services Computing, Jun. 2019. DOI: 10.1109/TSC.2019.2920643. (在线发表,TransactionsSCI 二区,第一作者)

  3. Jianhao Wei, Yaping Lin, Xin Yao, Jin Zhang, Xinbo Liu. Differential Privacy-based Genetic Matching in Personalized Medicine [J]. IEEE Transactions on Emerging Topics in Computing, Jan. 2020. DOI: 10.1109/TETC.2020.2970094. (在线发表,TransactionsSCI 二区,第一作者)

  4. Jianhao Wei, Yaping Lin, Xin Yao, Voundi Koe Arthur Sandor. Differential privacy-based trajectory community recommendation in social network [J]. Journal of Parallel and Distributed Computing, 2019,133:136148. (CCF B类,SCI 三区,第一作者)

  5. Feng Lin, Jianhao Wei*, Junyi Li, Jianming Zhang, Bo Yin. Local Privacy-Preserving Dynamic Worker Locations in Spatial Crowdsourcing. IEEE Access, 2021, 9: 2735927373. (SCI 二区,通讯作者)

  6. Jiang Du, Junhai Zhou, Yaping Lin, Wei Zhang, Jianhao Wei. Secure and Verifiable Keyword Search in Multiple Clouds [J]. IEEE Systems Journal, Apr. 2021. DOI:10.1109/JSYST.2021.3069200 (在线发表,SCI 二区)

  7. Fulin Zhou, Junyi Li, Yaping Lin, Jianhao Wei, Voundi Koe Arthur Sandor. A Secure and Efficient Task Matching Scheme for Spatial Crowdsourcing [J]. IEEE Access, 2020, 8: 155819155831. (SCI 二区)

  8. Jiahao Xie, Xiai Yan, Yaping Lin, Jianhao Wei. An accurate and efficient two-phase scheme for detecting Android cloned applications [J]. Concurrency and Computation: Practice and Experience, 2021, 33e6009.122. (CCF C 类, SCI四区)