摘要：针对智能网联汽车隐私泄露风险评估中不完整、主观性强、难以量化损失的问题,提出了一种定性和定量结合的隐私风险评估模型。首先在定性风险评估模型的基础上,提出了新的隐私分类,扩展了现有标准的隐私影响评级;其次,设计了一种基于Wi-Fi的隐私泄露检测方案,解决定量评估中的数据收集问题;最后,对泄露的隐私数据从信息熵、影响等级、个人身份信息类型等多因素进行综合价值度量,引入隐私数据定价模型量化攻击收益,将攻击收益和概率的乘积作为预估损失值。通过3辆智能网联汽车的真车实验,证明了该隐私泄露检测方案的可行性。对隐私数据的定性和定量风险评估表明,扩展的影响评级、隐私度量和定价模型优于现有方案,有效量化了智能网联汽车的隐私泄露风险,定量转换的风险值与定性评估的风险值具有良好的一致性。

摘要：数字媒体是一种通过数字技术和电子通信网络来创建、存储、传播和交互的媒体形式。如今,数字影像、数字音频等数字媒体形式越发普及,用户也越发依赖数字媒体获取信息、进行社交互动和在线购物等活动,这种数字媒体的依赖性意味着用户产生、分享和存储了大量个人数据,包括购物历史、地理位置、社交关联和搜索习惯等。虽然这些数据对于提供更出色的用户体验和更为精准的广告定位至关重要,但也带来了潜在的隐私风险。在数字媒体领域,数据泄露和滥用等隐私保护问题引发了广泛的担忧,该类问题的出现会对个人和相关机构造成巨大的损害,这进一步凸显了数字媒体隐私保护的重要性。因此,寻找数字媒体发展与隐私保护之间最佳平衡的途径显得尤为重要。

摘要：目前,Web3.0尚处于发展初期,概念泛化、炒作现象严重,极易引发各类社会风险。为此,我国亟须加快开展顶层设计与统筹谋划,保障Web3.0健康、有序发展。近年来,得益于互联网的快速发展,我们享受到了平台带来的便利,但平台发展的弊端也逐渐显现,出现了垄断资源、个人隐私泄露、利益分配失衡、大数据杀熟等一系列问题。因此,全球掀起了一股互联网革命浪潮,We b3.0被视为能够有效解决这些问题的下一代互联网。从微观上看,Web3.0是集智能合约、分布式协议等技术为一体的去中心化、开放、安全和可信的新型网络体系,旨在帮助用户掌握数据的自主权、实现用户身份的去中心化管理、提升平台的互操作性、提供更加智能和个性化的服务体验。

摘要：为有效应对受限数据共享环境下个人档案数据隐私泄露问题,在研究了受控数据共享技术、总体唯一性模型的基础上,该文提出将受控的数据共享与数据去识别技术相结合,从而在提供高质量数据的同时提升系统可扩展性。同时提出减少候选解数量和降低风险计算复杂性两个优化策略,以提升系统运行效率。通过仿真及分析可知,所提方法数据质量及运行时间与k-匿名算法相比均有所改善,仿真结果进一步验证了所提方法的有效性。

摘要：日常生活与先进技术之间的交互频次,随着数字信息演进形成一场范式转变。探讨数字技术对“泛家居”系统中的广泛影响,特别是通讯、工作、休闲和社交活动从传统模式已经完成向数字模式的转变。通过用户调查、案例分析和文献综述等方式,揭示了数字信息高速发展给人们生活方式带来的冲击和影响,进而引导大众对信息危机的重视,依赖信息平台、远程工作、数字娱乐和线上消费所造成的信息过度植入和隐私泄露,智能家居产品因贴近日常生活,因此,在未来将担任用户心理疗愈、信息保护等责任。

摘要：移动互联网环境下,用户的身份认证和信息传递更加便捷,这为用户带来了极大便利,同时也带来了隐私泄露风险。本文从移动互联网用户角度出发,针对用户隐私泄露给企业的情况,提出了隐私泄露容忍度的概念,从信息敏感性、接收者敏感性和使用敏感性三个维度对隐私泄露容忍度进行了分析,并建立研究模型。在此基础上,开发设计了一个三阶共37个题项的测量量表并对其进行了实证检验。结果表明,该量表具有良好的信度和效度,适用于移动互联网环境下的隐私泄露容忍度测量,同时数据很好的显示出移动互联网用户的隐私泄露容忍度分布。移动互联网环境下的隐私泄露容忍度测度有助于解释隐私悖论、分析用户的隐私披露和隐私计算等行为,并为移动互联网企业合理利用用户信息资源、有的放矢的保护用户隐私提供了实践建议。

摘要：社交网络中隐私泄露受多种因素的影响,针对不能有效度量隐私泄露的问题,尤其是在攻击者拥有背景知识的时候,必须综合考虑背景知识来设计隐私泄露度量方法.构建一个个人隐私泄露多维分析模型,对隐私泄露的影响因素进行较全面的分析,结合泄露指标的计算,推导出影响较大的因素.提出一种背景知识分类和量化方法,能划分关键背景知识和非关键背景知识;在此基础上提出一个攻击背景下隐私泄露度量信息熵模型和隐私泄露的综合度量方法,解决隐私泄露有效度量的问题.所提出的模型和背景知识量化方法可为攻击背景下隐私泄露风险分析与评估提供可行的计算基础,实验验证和分析结果表明度量模型是可行的、有效的.

摘要：移动终端网络数据规模大,采用传统方法对海量数据隐私泄露进行检测时,无法保证网络中所有查询结果均参与运算,不能保证检测结果的准确性。为此,提出一种新的移动终端网络海量数据隐私泄露检测方法。把设计系统安装于移动运营商核心网,构建检测系统模型。将半格看作数据分析方式,通过半格元素对移动终端网络数据信息进行描述。采集程序中和变量使用相关的信息,对数据在基本块间传输与修改过程进行研究,实现对所有移动终端网络数据的分析。令全部查询结果参与运算。前向遍历基本块中的函数,依据函数类别,按基本块内污点规则对污点数据与漂白污点数据施行更新。获取转移函数,将转移函数应用于格值,得到隐私泄露数据。依据T-D法建立隐私泄露检测模型,对其进行优化,获取K-匿名隐私泄露检测模型。通过K-Q法对其进行求解,实现移动终端网络海量数据隐私泄露检测。实验结果表明,相对于传统方法,检测准确性较高,具有广泛的应用价值。

摘要：现有的文献大都是对位置隐私保护算法的研究,对于位置隐私保护算法的隐私性度量的研究相对缺乏。为此,针对贪心法的位置K-匿名算法(Greedy-based Location K-anonymous Algorithm,GLKA)提出位置隐私泄露的度量方法。该方法以KL散度(Kullback-Leibler divergence)为基础,将攻击者的背景知识融入其中,用以度量匿名区域中用户位置隐私的泄露。仿真实验表明,该度量方法可以有效地度量攻击者在具有背景知识的情况下,用户位置隐私泄露的水平,从而为位置隐私保护算法的设计与实现提供一定的参考。

摘要：Android手机在给人们带来方便的同时,也存在潜在的安全隐患,用户隐私泄露是其中的一个严重问题。本文对Android手机隐私泄露问题进行了研究。首先介绍了Android手机中的隐私数据源类型,然后从四种角度分析总结了隐私泄露的方式:(1)应用中的隐私泄露;(2)应用间的隐私泄露;(3)传感器数据造成的隐私泄露;(4)网络传输中的隐私泄露。最后,针对应用间通信造成的隐私泄露问题,本文设计了一个基于控制进程通信的应用隔离系统。用户通过这个系统可以灵活控制哪些应用间不能通信,有选择性地保护Android手机中的高安全级数据,防范由于应用间通信造成的隐私泄露。