面向类型化资源的物联网数据隐私保护方法
专利汇可以提供面向类型化资源的物联网数据隐私保护方法专利检索，专利查询，专利分析的服务。并且一种面向类型化资源的 物联网 数据隐私保护方法，其特征在于能够保护以不同形态存在的数据隐私，在数据图谱和信息图谱上直接查找数据隐私，在信息图谱上通过数据、信息以及信息结合相关数据得到数据隐私；其特征在于区分用户信息为链接形式的信息和聚集形式的信息，对于关联到数据隐私的这两种形式的信息隐私保护，提供融合的解决方法；其特征在于使用隐私度评估用户数据隐私暴露的程度，并提供经济高效的隐私保护服务，期待在用户投入最小的情况下获得程度最强的隐私保护。，下面是面向类型化资源的物联网数据隐私保护方法专利的具体信息内容。
1.一种面向类型化资源的物联网数据隐私保护方法，其特征在于能够保护以不同形态存在的数据隐私，在数据图谱和信息图谱上直接查找数据隐私，在信息图谱上通过数据、信息以及信息结合相关数据得到数据隐私；其特征在于区分用户信息为链接形式的信息和聚集形式的信息，对于关联到数据隐私的这两种形式的信息隐私保护，提供融合的解决方法；
其特征在于使用隐私度评估用户数据隐私暴露的程度，并提供经济高效的隐私保护服务，期待在用户投入最小的情况下获得程度最强的隐私保护；其特征在于有如下步骤：
步骤1）根据已有隐私资源构建数据图谱、信息图谱和知识图谱的三层图谱架构；
步骤2）获取用户目标隐私集合OD, OD是一个三元组：{E1,E2,R}的集合；
步骤3）在数据图谱和信息图谱上搜索OD，我们将搜素到的数据节点集合DOD放入目标处理集合OPC，由用户投入决定节点数量；
步骤4）在信息图谱上观测E1的行为轨迹信息Ii，若用户的轨迹信息上的一些节点Ai和节点E2同时包含于节点C，那么预测数据隐私是：节点E1是E2，并使用公式1计算预测的可信度，对于可信度超过一个给定阈值的所有链接形式的信息，遍历信息图谱，在信息图谱中搜索节点E1的所有链接形式信息，存储在路径集合InfPath中，统计InfPath中每条路径的所有节点的度，用度集合DegIP存储节点的度数和出入度，并将路径和度都存储目标处理集合OPC；
(1)
表示E1与第i条路径上各个节点的交互分别对预测可信度的影响，inAi表示交互频度，M1表示轨迹Ii上与E1有交互的节点，N1表示与E1有交互的所有轨迹；
步骤5）在信息图谱上观测与E1有关联关系的所有节点Di，从节点Bi上的数据可以预测E2，使用公式2计算预测的可信度，此类问题以聚集形式的信息为特征，遍历信息图谱，将可信度超过一个给定阈值的所有聚集形式的信息存储在集合InfGraph中，统计InfGraph中每个聚集的所有节点的度，用度集合DegIG存储节点的度数和出入度，并将路径和度都存储目标处理集合OPC；
(2)
表示E1与第i个聚集上各个节点的交互分别对预测可信度的影响，inAi表示交互频度，M2表示聚集Di上与E1有交互的节点，N1表示与E1有交互的所有聚集；
步骤6）在信息图谱上观测E1的所有轨迹信息Ii以及与E1有关联关系的所有节点Di，通过E1的轨迹信息Ii结合关联数据Di预测E2，使用公式3计算预测的可信度，对于可信度超过一个给定阈值的所有轨迹和聚集，遍历信息图谱，将轨迹信息存储在InfPath和InfGraph中，统计节点度并存储在DegIP和DegIG中，并将路径和度都存储目标处理集合OPC；
(3)
和 分别表示信息和相关数据对预测可信度的影响，可通过学习得到；
步骤7）对集合和OPC的处理，OPC中DOD集合的处理是采用隔离的方法，依次取DOD中的节点数据，将其存储在安全空间SC，在SC上对DOD进行加密；对于集合InfPath，分类InfPath的信息为无分支路径的信息集合PaPath和有分支路径的信息集合BrPath，统计两个集合的路径上节点的度和出入度，分别存放在PaDeg和BrDeg中；对于集合InfGraph，分类InfGraph的信息为节点度全部相等的信息EqGraph和节点度不全相等的信息NeGraph，统计两个集合的路径上节点的度和出入度，分别存放在EqDeg和NeDeg中；
集合BrPath中信息的处理方法：排序BrDeg中的值，本发明根据具体情况选择排序度和出入度，依次隔离第k2条路径中度排序靠前的mk2个节点，排序NeDeg中值，依次隔离第k2个聚集排序在前的mk2个节点，
集合PaPath中信息的处理方法：使用折半隔离方法隔离PaPath中每条路径ns1个节点，本发明提供两种隔离方式，一是折半隔离方法：查找PaPath中第s1条路径的中间节点，然后分别查找左右两部分的中间节，依次下去，直到找到的节点个数为ns1为止，二是：在第k1条路径的中间集中找出ns1个节点，将这ns1个节点上的数据隔离，
集合EqGraph中节点数据的处理方法：对于度相等的聚集形式信息，使用顺序隔离方法隔离EqGraph中每个聚集ns2个节点信息，顺序隔离方法是依次顺序的查找并隔离EqGraph中的nk2个节点；
集合NeGraph的处理方法：排序NeDeg中值，依次隔离第k2个聚集排序在前的mk2个节点；
步骤8）计算数据隐私保护代价，我们假定保护一个节点数据的代价是1d，保护一个节点信息的代价是1i，累计的代价由如下公式计算得出：
(4)
相应的用户投入为：
(5)
其中u表示单位单价的投入；
步骤9）隐私度计算（PL），本发明用隐私度来评估信息暴露的程度，
A．对于OPC中InfPath集合（以链接形式为特征）的信息：
对于PaPath中的路径，即无分支路径，隐私度计算如下
(6)
Ns1表示第s1条无分支路径的节点总数，ns表示已隐藏的节点数，
对于BrPath[BP]中的路径，即有分支的路径，隐私度计算如下
(7)
其中， 表示第k1条路径的第i个节点的度， 是调整系数，可通过数据训练得到，Nk1表示第k1条有分支路径的节点总数；
B．对于OPC中InfGraph集合（以聚集形式为特征）的信息：
对于聚集中节点度相等的情况
(8)
对于节点度不全等的情况
(9)
总的隐私度用如下公式衡量：
(10)
由数据训练得出；
步骤10）计算隐私等级
(11)
步骤11）判断条件UserCosti < UserCost0 & PLi < PL0, 若不满足，判断InfPath[IP]和InfGraph[IG]中的节点是否已经隐藏完毕，若未隐藏完，则返回步骤7继续隐藏下一个节点信息，若已经隐藏完，则跳转至步骤12，若判断条件满足，顺序执行步骤12；
步骤12）输出推荐的(数组mk, 数组ns)和(数组mk2, 数组ns2)。
面向类型化资源的物联网数据隐私保护方法
技术领域
背景技术
发明内容
DGDIK：DGDIK: = collection {array, list, stack, queue, tree, graph}.
DGDIK是各种数据结构包括数组（array）、链表（list）、栈（stack）、队列（queue）、树（tree）和图（graph）等的集合（collection），DGDIK只能对图谱上表示的DDIK进行静态分析，无法分析和预测DDIK的动态变化, 数据是通过观察获得的数字或其他类型信息的基本个体项目，但是在没有上下文语境的情况下，它们本身没有意义。数据图谱可以记录实体的基本结构，同时记录子结点之间的位置关系和结构关系。但数据图谱只能进行静态分析，无法表达实体之间的交互关系。数据图谱也可以记录图像实体中所包含结构出现的频度，包括结构、时间和空间三个层次的频度。
KGDIK：KGDIK: = collection {statistic rules}.
KGDIK实质是语义网络和由IDIK总结出的统计规则（statistic rules）的集合
（collection）。KGDIK蕴含丰富的语义关系，知识图谱根据数据图谱和信息图谱进一步完善了实体之间的语义关系，形成由大量交互关系连接起来的语义网络,在KGDIK上能通过信息推理和实体链接提高KGDIK的边密度和结点密度，KGDIK的无结构特性使得其自身可以无缝链接。信息推理需要有相关关系规则的支持，这些规则可以由人手动构建，但往往耗时费力，得到复杂关系中的所有推理规则更加困难。使用路径排序算法将每个不同的关系路径作为一维特征，通过在KGDIK中构建大量的关系路径来构建关系分类的特征向量和关系分类器来提取关系。
1）对隐私资源类型的划分，将待保护的隐私资源分为DDIK隐私资源、IDIK隐私资源和KDIK隐私资源，本发明针对信息隐私资源提出了对用户特定的信息隐私的保护；
2）节点信息的隐藏策略，从数据、信息和知识的角度，考虑转换隐私资源类型，将信息转换到数据或知识从而隐藏信息；
3）从链接形式的信息隐私和聚集形式的信息隐私两个目标考虑，保护用户特定的信息隐私，比如刷卡轨迹、消费轨迹、用户开车的运行轨迹以及个人与外界的联系情况等；
4）对于在数据图谱和信息图谱上以不同形态存在的数据隐私，分析识别这些不同形态存在的数据隐私，并提供相应的保护。
附图说明
具体实施方式
步骤2）对应于图1中的002，获取用户目标隐私集合OD, OD是一个三元组：{E1,E2,R}的集合；
步骤3）对应于图1中的003，在数据图谱和信息图谱上搜索OD，我们将搜素到的数据节点集合DOD放入目标处理集合OPC，由用户投入决定节点数量；
步骤4）对应于图1中的004，在信息图谱上观测E1的行为轨迹信息Ii，若用户的轨迹信息上的一些节点Ai和节点E2同时包含于节点C，那么预测数据隐私是：节点E1是E2，并使用公式1计算预测的可信度，遍历信息图谱，将可信度超过一个给定阈值的所有链接形式的信息存储在路径集合InfPath中，统计InfPath中每条路径的所有节点的度，用度集合DegIP存储节点的度数和出入度，并将路径和度都存储目标处理集合OPC；
(1)
表示E1与第i条路径上各个节点的交互分别对预测可信度的影响，inAi表示交互频度，M1表示轨迹Ii上与E1有交互的节点，N1表示与E1有交互的所有轨迹；
步骤5）对应于图1中的005，在信息图谱上观测与E1有关联关系的所有节点Di，从节点Bi上的数据可以预测E2，使用公式2计算预测的可信度，此类问题以聚集形式的信息为特征，对于可信度超过一个给定阈值的所有聚集，遍历信息图谱，在信息图谱中搜索节点E1的所有聚集形式信息，存储在聚集集合InfGraph中，统计InfGraph中每个聚集的所有节点的度，用度集合DegIG存储节点的度数和出入度，并将路径和度都存储目标处理集合OPC；
(2)
表示E1与第i个聚集上各个节点的交互分别对预测可信度的影响，inAi表示交互频度，M2表示聚集Di上与E1有交互的节点，N1表示与E1有交互的所有聚集；
步骤6）对应于图1中的006，在信息图谱上观测E1的所有轨迹信息Ii以及与E1有关联关系的所有节点Di，通过E1的轨迹信息Ii结合关联数据Di预测E2，使用公式3计算预测的可信度，对于可信度超过一个给定阈值的所有轨迹和聚集，遍历信息图谱，将轨迹信息存储在InfPath和InfGraph中，统计节点度并存储在DegIP和DegIG中，并将路径和度都存储目标处理集合OPC；
(3)
和 分别表示信息和相关数据对预测可信度的影响，可通过学习得到；
步骤7）对应于图1中的007和008,判断OPC元素的类型输入哪个待处理的子集，对应于图1中的009-1，对集合OPC进行隐私保护处理，OPC子集DOD的处理是依次取DOD中的r个节点数据，将其存储在安全空间SC，在SC上对DOD进行加密；对于集合InfPath，分类InfPath的信息为无分支路径的信息集合PaPath和有分支路径的信息集合BrPath，统计两个集合的路径上节点的度和出入度，分别存放在PaDeg和BrDeg中，并分别进行隐私保护；对于集合InfGraph，分类InfGraph的信息为节点度全部相等的信息EqGraph和节点度不全相等的信息NeGraph，统计两个集合的路径上节点的度和出入度，分别存放在EqDeg和NeDeg中，并分别进行隐私保护；
对应于步骤009-2，集合BrPath中信息的处理方法：排序BrDeg中的值，本发明根据具体情况选择排序度和出入度，依次隔离第k1条路径中度排序靠前的mk1个节点，排序NeDeg中值，依次隔离第k2个聚集排序在前的mk2个节点，
集合PaPath中信息的处理方法：使用折半隔离方法隔离PaPath中每条路径ns1个节点，本发明提供两种隔离方式，一是折半隔离方法：查找PaPath中第s1条路径的中间节点，然后分别查找左右两部分的中间节，依次下去，直到找到的节点个数为ns1为止，二是：在第k条路径的中间集中找出ns1个节点，将这ns1个节点上的数据隔离，
对应于步骤009-3，集合EqGraph中节点数据的处理方法：对于度相等的聚集形式信息，使用顺序隔离方法隔离EqGraph中每个聚集ns2个节点信息，顺序隔离方法是依次顺序的查找并隔离EqGraph中的nk2个节点；
集合NeGraph的处理方法：排序NeDeg中值，依次隔离第k2个聚集排序在前的mk2个节点；
步骤8）计算数据隐私保护代价，我们假定保护一个节点数据的代价是1d，保护一个节点信息的代价是1i，累计的代价由如下公式计算得出：
(4)
相应的用户投入为：
(5)
其中u表示单位单价的投入；
步骤9）隐私度计算（PL），本发明用隐私度来评估信息暴露的程度，
A．对于OPC中InfPath集合（以链接形式为特征）的信息：
对于PaPath中的路径，即无分支路径，隐私度计算如下
(6)
Ns表示第s条无分支路径的节点总数，ns表示已隐藏的节点数，
对于BrPath[BP]中的路径，即有分支的路径，隐私度计算如下
(7)
其中， 表示第k条路径的第i个节点的度， 是调整系数，可通过数据训
练得到，Nk表示第k条有分支路径的节点总数；
B．对于OPC中InfGraph集合（以聚集形式为特征）的信息：
对于聚集中节点度相等的情况
(8)
对于节点度不全等的情况
(9)
总的隐私度用如下公式衡量：
(10)
由数据训练得出；
步骤10）计算隐私等级
(11)
步骤11）判断条件UserCosti < UserCost0 & PLi < PL0, 若不满足，判断InfPath[IP]和InfGraph[IG]中的节点是否已经隐藏完毕，若未隐藏完，则返回步骤7继续隐藏下一个节点信息，若已经隐藏完，则跳转至步骤12，若判断条件满足，顺序执行步骤2；
步骤12）输出推荐的(数组mk, 数组ns)和(数组mk2, 数组ns2)。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 针对继电保护的线路模型与互感器类型的匹配方法 | 2020-05-12 | 215 |
| 一种CLAMP类型的静电保护电路 | 2020-05-11 | 80 |
| 电极和包括该电极的类型I浪涌电压保护器 | 2020-05-11 | 682 |
| 在采用可变比特率的系统中健壮的帧类型保护方法与系统 | 2020-05-12 | 656 |
| 针对继电保护的线路模型与互感器类型的匹配方法 | 2020-05-13 | 629 |
| 基于重量判定保护类型的安全气囊控制装置 | 2020-05-11 | 76 |
| 对预留给处理器逻辑使用的存储器的访问类型保护 | 2020-05-13 | 602 |
| 电极和包括该电极的类型I浪涌电压保护器 | 2020-05-11 | 172 |
| 保护移动电话类型电信终端的方法和相应的电信终端 | 2020-05-12 | 512 |
| 保护移动电话类型电信终端的方法 | 2020-05-11 | 563 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
