摘要：在实现隐私保护的同时提高数据可用性是高维结构化数据发布研究中的挑战性问题,经典算法Priv Bayes针对该问题提供了一种解决方案。为进一步减少计算开销、提高数据可用性,提出基于贝叶斯网络的差分隐私数据发布算法ELPriv Bayes。分析贝叶斯网络结构学习阶段的理论计算开销,构建存储属性之间互信息的相关矩阵,避免结构学习算法迭代过程中互信息的冗余计算,降低了时间复杂度。基于平均互信息优化了节点进入贝叶斯网络的顺序,提高结构学习迭代过程中指数机制贡献的互信息期望值,进而提高生成数据集与原始数据集的统计近似度,并实证分析网络结构质量对首节点选择的低敏感性。在4个典型数据集上的实验结果表明,与经典算法Priv Bayes及其改进方案相比较,结构学习阶段的计算开销降低了97%~99%,基于指数机制捕获的互信息提高了14%~67%,生成数据集与原始数据集的平均变差距离降低了32%~40%,构建的支持向量机(SVM)分类器的准确率提高了4%~5%,并且当ε≤0.8时,采用ELPriv Bayes算法生成数据的可用性提升更为显著。

摘要：[研究目的]工业互联网安全评测是企业网络安全防护的重要环节,如何在有效保护企业隐私信息不泄露的同时,对评测数据进行安全共享是亟需解决的关键问题。[研究方法]构建了一种基于区块链的工业互联网安全评测数据共享模型,设计了链上链下数据协同的评测数据隐私保护和共享流程。为挖掘评测数据价值,提出了基于贝叶斯网络的隐私保护评测结果预测方法,利用分箱技术对评测数据进行分段离散化处理,设计了评测结果预测贝叶斯网络生成算法和隐私保护评测结果预测算法。[研究结论]实验结果表明,当评测结果分为2类或3类、合格判定概率为70%时,预测准确率较高,为工业互联网安全评测数据的安全共享和进一步发挥评测数据的价值探索了新的途径和方法。

摘要：三维数字城市动画是数字城市的一种表现类型用三维动画技术以及艺术手段动态的表现城市空间与风貌,是城市在建筑形态、商业氛围、社会习俗、历史文脉、生活情趣、城市拓展等方面的综合展现。

摘要：用户体验是近些年来互联网行业最常提到的关键词之一,它通常是互联网产品设计的核心与关键。而实际上用户体验设计不仅仅运用于互联网产品,其他设计行业、服务性行业都适用。在展馆设计的标识系统的设计中运用用户体验设计方法也显得尤为重要。炫酷的造型、艺术的文字,本文通过分析用户体验在展馆标识系统中的设计方法来阐述用户体验的重要性,并表明了人性化是标识系统设计的最终目的的结论。