摘要：采用随机化调查技术对敏感问题实施抽样技术,至今已有很多的随机化方法,其中大多数方法是通过设计不同的抽样方案来达到改进效率的目的。文章提出了一个随机化调查一般化的估计量,并且给出了期望和方差,初步建立了数量特征和属性特征敏感问题的统一及在任意抽样设计p(s)(s为样本)下的随机化理论。

摘要：针对数据加密在密钥管理和分发方面比较复杂,现有的安全计算技术在计算或通信成本方面非常昂贵,无法扩展到大数据计算,提出一种随机算法将大数据分解为随机张量网络表示,并分析1D到3D数据张量的隐私泄漏,通过在序列矩阵分解过程中应用大而可控的扰动,将大数据的复杂结构信息随机分散到张量核中,与随机投影算法相比,该算法的时间消耗也很少。实验结果表明,所提张量网络随机化技术有助于大数据的隐私保护。

摘要：采用随机化技术对敏感问题实施抽样调查,至今已有很多可供选择的随机化策略;其中大多数策略是通过选择恰当的设计参数来达到改进效率的.然而两种方案即使具有相同的设计参数值,但对个体的保护度也可能不同.所以早期一些文献效率比较没有基于相同的对个体保护度,因此那些比较是不公平的.该文补充了这方面的理论。在相同的保护度下,精确比较了这些已有的策略;