面向金融大數(shù)據(jù)的隱私信息保護

定　價：￥68.00

作　者：	王健著
出版社：	經(jīng)濟管理出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787509685594	出版時間：	2022-08-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　隨著人工智能、區(qū)塊鏈、深度學習等技術在金融領域的廣泛應用，通過對海量金融數(shù)據(jù)進行分析、歸納，挖掘出潛在的模式，研究市場運行規(guī)律，可以幫助企業(yè)調(diào)整策略，降低風險，提高效益。然而隨著新技術的廣泛應用，在挖掘規(guī)則的同時，可能會泄露用戶的敏感信息。在金融大數(shù)據(jù)背景下，涉及到用戶的數(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用戶造成巨大傷害。為了避免用戶在金融大數(shù)據(jù)環(huán)境下訪問服務過程中敏感信息被泄露，本書將提出三種新方法來保護用戶的隱私數(shù)據(jù)：①將環(huán)簽名技術引入到金融大數(shù)據(jù)環(huán)境。②設計隱私策略匹配模型和匹配協(xié)議，保護金融大數(shù)據(jù)環(huán)境下用戶的隱私信息。③設計最小屬性泛化算法，提出基于最小屬性泛化技術保護金融大數(shù)據(jù)環(huán)境下用戶的隱私數(shù)據(jù);針對所設計的最小屬性泛化算法，通過仿真實驗驗證該算法的正確性和隱私保護度。

作者簡介

　　王健，博士，河南財經(jīng)政法大學計算機與信息工程學院教師。賓夕法尼亞州立大學訪問學者，內(nèi)布拉斯加州大學林肯分校訪問學者。在大數(shù)據(jù)安全領域發(fā)表多篇論文，主持完成多項省級課題。

圖書目錄

緒論
1 基于隱私保護的數(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術究
2.1 基于隱私保護的數(shù)據(jù)挖掘
2.2基于隱私保護的數(shù)據(jù)挖掘算法的分類
2.3 在數(shù)據(jù)挖掘中實施隱私保護
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的分類挖掘算法
2.5.2 數(shù)據(jù)水平分布條件下的基于隱私保護的關聯(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的聚類挖掘算法
2.6大數(shù)據(jù)背景下的金融隱私權
2.7 小結
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)分析實例
4環(huán)境下戶標識信息
4.1 相關研究介紹
4.2 相關概念
4.3 金融大數(shù)據(jù)環(huán)境下匿名訪問控制方法
4.4 適用于金融大數(shù)據(jù)環(huán)境的無證書環(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 驗證簽名
4.4.5 接收服務
4.5 安全性分析
4.6 效率分析
4.7 小結
5 基于隱私策略匹配算法保護金融大數(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 隱私策略匹配時所需要考慮的屬性
5.2.2 基于用戶的匹配模型
5.2.3 基于SP的評比模型
5.2.4基于經(jīng)紀人的評比模型
5.2.5 三種評比模型的比較
5.3隱私策略匹配算法
5.4 安全性分析
5.5 小結
……
6基于小屬性泛化算法保護金融大數(shù)據(jù)環(huán)境下的隱私數(shù)據(jù)
7金融大數(shù)據(jù)環(huán)境下基于隱私保護的K-NN分類挖掘算法
8金融大數(shù)據(jù)環(huán)境下基于隱私保護的神經(jīng)網(wǎng)絡學習算法
9面向金融大數(shù)據(jù)多敏感屬性的隱私保護研究
10金融大數(shù)據(jù)環(huán)境下基于隱私保護的貝葉斯網(wǎng)絡增量學習算法
11金融大數(shù)據(jù)環(huán)境下基于隱私保護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
13結語
參考文獻