检索结果

Select

1. 基于Skyline计算的社交网络关系数据隐私保护

张书旋, 康海燕, 闫涵

计算机应用 2019, 39 (5): 1394-1399. DOI: 10.11772/j.issn.1001-9081.2018112556

摘要（438）

PDF （902KB）（276）

随着社交软件的流行，越来越多的人加入社交网络产生了大量有价值的信息，其中也包含了许多敏感隐私信息。不同的用户有不同的隐私需求，因此需要不同级别的隐私保护。社交网络中用户隐私泄露等级受社交网络图结构和用户自身威胁等级等诸多因素的影响。针对社交网络数据的个性化隐私保护问题及用户隐私泄露等级评价问题，提出基于Skyline计算的个性化差分隐私保护策略（PDPS）用以发布社交网络关系数据。首先构建用户的属性向量；接着采用基于Skyline计算的方法评定用户的隐私泄露等级，并根据该等级对用户数据集进行分割；然后应用采样机制来实现个性化差分隐私，并对整合后的数据添加噪声；最后对处理后数据进行安全性和实用性的分析并发布数据。在真实数据集上与传统的个性化差分隐私方法（PDP）对比，验证了PDPS算法的隐私保护质量和数据的可用性都优于PDP算法。

参考文献 | 相关文章 | 多维度评价

Select

2. 面向用户的电商平台刷单行为智能检测方法

康海燕, 杨悦, 于爱民

计算机应用 2018, 38 (2): 596-601. DOI: 10.11772/j.issn.1001-9081.2017082166

摘要（942）

PDF （902KB）（346）

电商平台的刷单行为在一定程度上提高了店铺收益，但是刷单行为一方面抬高了电商平台的推广成本，导致了严重的信誉安全问题；另一方面，虚假的刷单信息致使消费者易受误导，从而造成财产损失。针对电商平台刷单现象，提出面向用户的电商平台刷单行为智能检测方法——SVM-NB算法，并提出构建刷单特征值方法。首先收集商品的相关数据，建立特征值数据库；其次利用基于有监督学习的支持向量机（SVM）算法建立分类器，求解刷单行为的判断结果；最后通过朴素贝叶斯公式计算商品刷单行为的概率，反馈给买家，为其提供购物的参考数据。通过 K折交叉验证算法验证了SVM-NB算法应用的合理性和准确性，实验条件下计算结果的准确率高达95.0536%。

参考文献 | 相关文章 | 多维度评价

Select

3. CTCIS2017+79 面向用户的电商平台刷单行为智能检测方法研究

康海燕杨悦

录用日期: 2017-10-07