面向金融大數(shù)據(jù)的隱私信息保護(hù)

定　價(jià)：￥68.00

作　者：	王健著
出版社：	經(jīng)濟(jì)管理出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787509685594	出版時(shí)間：	2022-08-01	包裝：
開(kāi)本：		頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　隨著人工智能、區(qū)塊鏈、深度學(xué)習(xí)等技術(shù)在金融領(lǐng)域的廣泛應(yīng)用，通過(guò)對(duì)海量金融數(shù)據(jù)進(jìn)行分析、歸納，挖掘出潛在的模式，研究市場(chǎng)運(yùn)行規(guī)律，可以幫助企業(yè)調(diào)整策略，降低風(fēng)險(xiǎn)，提高效益。然而隨著新技術(shù)的廣泛應(yīng)用，在挖掘規(guī)則的同時(shí)，可能會(huì)泄露用戶(hù)的敏感信息。在金融大數(shù)據(jù)背景下，涉及到用戶(hù)的數(shù)據(jù)量較大，如果這些數(shù)據(jù)中的隱私信息被泄露將對(duì)用戶(hù)造成巨大傷害。為了避免用戶(hù)在金融大數(shù)據(jù)環(huán)境下訪(fǎng)問(wèn)服務(wù)過(guò)程中敏感信息被泄露，本書(shū)將提出三種新方法來(lái)保護(hù)用戶(hù)的隱私數(shù)據(jù)：①將環(huán)簽名技術(shù)引入到金融大數(shù)據(jù)環(huán)境。②設(shè)計(jì)隱私策略匹配模型和匹配協(xié)議，保護(hù)金融大數(shù)據(jù)環(huán)境下用戶(hù)的隱私信息。③設(shè)計(jì)最小屬性泛化算法，提出基于最小屬性泛化技術(shù)保護(hù)金融大數(shù)據(jù)環(huán)境下用戶(hù)的隱私數(shù)據(jù);針對(duì)所設(shè)計(jì)的最小屬性泛化算法，通過(guò)仿真實(shí)驗(yàn)驗(yàn)證該算法的正確性和隱私保護(hù)度。

作者簡(jiǎn)介

　　王健，博士，河南財(cái)經(jīng)政法大學(xué)計(jì)算機(jī)與信息工程學(xué)院教師。賓夕法尼亞州立大學(xué)訪(fǎng)問(wèn)學(xué)者，內(nèi)布拉斯加州大學(xué)林肯分校訪(fǎng)問(wèn)學(xué)者。在大數(shù)據(jù)安全領(lǐng)域發(fā)表多篇論文，主持完成多項(xiàng)省級(jí)課題。

圖書(shū)目錄

緒論
1 基于隱私保護(hù)的數(shù)據(jù)挖掘概述
1.1 數(shù)據(jù)挖掘
1.2 12隱私信息
1.3 數(shù)據(jù)挖掘的產(chǎn)生背景
2術(shù)究
2.1 基于隱私保護(hù)的數(shù)據(jù)挖掘
2.2基于隱私保護(hù)的數(shù)據(jù)挖掘算法的分類(lèi)
2.3 在數(shù)據(jù)挖掘中實(shí)施隱私保護(hù)
2.4集中式環(huán)境下的PPDM算法
2.5 分布式環(huán)境下的PPDM算法
2.5.1 數(shù)據(jù)垂直分布條件下的基于隱私保護(hù)的分類(lèi)挖掘算法
2.5.2 數(shù)據(jù)水平分布條件下的基于隱私保護(hù)的關(guān)聯(lián)規(guī)則挖掘算法
2.5.3 數(shù)據(jù)水平分布條件下的基于隱私保護(hù)的聚類(lèi)挖掘算法
2.6大數(shù)據(jù)背景下的金融隱私權(quán)
2.7 小結(jié)
3向金融大數(shù)據(jù)的數(shù)據(jù)分析
3.1 金融數(shù)據(jù)分析案例
3.2面向金融數(shù)據(jù)的多維數(shù)據(jù)分析實(shí)例
4環(huán)境下戶(hù)標(biāo)識(shí)信息
4.1 相關(guān)研究介紹
4.2 相關(guān)概念
4.3 金融大數(shù)據(jù)環(huán)境下匿名訪(fǎng)問(wèn)控制方法
4.4 適用于金融大數(shù)據(jù)環(huán)境的無(wú)證書(shū)環(huán)簽名方案
4.4.1 生成參數(shù)
4.4.2 生成密鑰
4.4.3 產(chǎn)生簽名
4.4.4 驗(yàn)證簽名
4.4.5 接收服務(wù)
4.5 安全性分析
4.6 效率分析
4.7 小結(jié)
5 基于隱私策略匹配算法保護(hù)金融大數(shù)據(jù)環(huán)境下的隱私數(shù)據(jù)
5.1 方法闡述
5.2金融大數(shù)據(jù)環(huán)境下的隱私策略匹配模型
5.2.1 隱私策略匹配時(shí)所需要考慮的屬性
5.2.2 基于用戶(hù)的匹配模型
5.2.3 基于SP的評(píng)比模型
5.2.4基于經(jīng)紀(jì)人的評(píng)比模型
5.2.5 三種評(píng)比模型的比較
5.3隱私策略匹配算法
5.4 安全性分析
5.5 小結(jié)
……
6基于小屬性泛化算法保護(hù)金融大數(shù)據(jù)環(huán)境下的隱私數(shù)據(jù)
7金融大數(shù)據(jù)環(huán)境下基于隱私保護(hù)的K-NN分類(lèi)挖掘算法
8金融大數(shù)據(jù)環(huán)境下基于隱私保護(hù)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
9面向金融大數(shù)據(jù)多敏感屬性的隱私保護(hù)研究
10金融大數(shù)據(jù)環(huán)境下基于隱私保護(hù)的貝葉斯網(wǎng)絡(luò)增量學(xué)習(xí)算法
11金融大數(shù)據(jù)環(huán)境下基于隱私保護(hù)的頻繁模式挖掘算法
12面向金融區(qū)塊鏈的隱私數(shù)據(jù)保護(hù)
13結(jié)語(yǔ)
參考文獻(xiàn)