最新刊期
      2020年第6卷第1期

        专题：大数据隐私保护

      • 专题导读

        苏森, 程祥
        2020, 6(1): 2020000-1. DOI: 10.11959/j.issn.2096-0271.2020000
          
        378
        |
        677
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536090 false
        更新时间：2020-01-15
      • 孙慧中, 杨健宇, 程祥, 苏森
        2020, 6(1): 2020001-1. DOI: 10.11959/j.issn.2096-0271.2020001
        摘要：对满足本地差分隐私的高维数值型数据收集问题进行了研究。设计了一种基于随机投影技术的满足本地差分隐私的高维数值型数据收集算法Multi-RPHM，在满足本地差分隐私的条件下，该算法处理维度较高的数据时能够保证所收集的数据的高效用。从理论上证明了该算法满足ε-本地差分隐私的要求。在合成数据集上进行的实验结果验证了该算法的有效性。  
        关键词：高维数值型数据;隐私保护;本地差分隐私;随机投影   
        559
        |
        600
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536091 false
        更新时间：2020-01-15

      • 基于安全压缩感知的大数据隐私保护

        王平, 张玉书, 何兴, 仲盛
        2020, 6(1): 2020002-1. DOI: 10.11959/j.issn.2096-0271.2020002
        摘要：当前的数据“大爆炸”主要受万物互联的驱动，服务于人类衣食住行的各类物联网感知设备时刻在捕获个人隐私数据，然而，这些隐私数据已成为网络攻击的重点目标。分析了资源受限的物联网应用中的数据安全问题，介绍了基于压缩感知理论的隐私保护技术—— 安全压缩感知，提出了相应的大数据采集方案，并且通过安全性理论和实验分析给出了结论性的呼吁：将安全压缩感知作为一种感知层内置的轻量级加密机制，以近乎零的成本为数据提供第一层安全防护。  
        关键词：安全压缩感知;大数据;物联网;隐私保护   
        496
        |
        646
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536092 false
        更新时间：2020-01-15

      • 基于同源策略的移动应用细粒度隐私保护技术

        卢文雄, 王浩宇
        2020, 6(1): 2020003-1. DOI: 10.11959/j.issn.2096-0271.2020003
        摘要：Android等移动平台基于权限的访问控制机制是作用在应用粒度上的。应用中除了包含应用开发者本身的代码以外，还包含第三方库代码，导致应用权限滥用情况严重。引入类似浏览器同源策略的细粒度控制机制，打破了应用之间的界限，将粒度细化到代码来源。将控制机制实现到Android系统层，并提供了一套插桩工具对应用进行修改。实验结果表明，系统能够起到允许或禁止特定开发者执行特定敏感行为的作用。  
        关键词：隐私保护;第三方库;访问控制;移动应用   
        292
        |
        620
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536093 false
        更新时间：2020-01-15

      • 人工智能时代的数据隐私、垄断与公平

        孟小峰, 王雷霞, 刘俊旭
        2020, 6(1): 2020004-1. DOI: 10.11959/j.issn.2096-0271.2020004
        摘要：随着人工智能时代的到来，大数据中蕴含的价值被不断开发，但与此同时，用户的隐私泄露问题、数据垄断问题以及算法决策中的公平问题愈发凸显。为详细探究此类伦理问题，首先从数据发展的角度出发，探讨人工智能时代隐私、垄断与公平问题的产生环境及其独特性。而后，对这3个伦理问题逐一分析其现状及挑战，得出当前伦理问题产生的本质是数据获取、使用以及决策的不透明性，提出建立数据透明机制是解决这些问题的重要举措。  
        关键词：大数据;数据伦理;人工智能;数据隐私;数据垄断;决策公平;数据透明   
        1149
        |
        1127
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536094 false
        更新时间：2020-01-15

        研究

      • 人工智能风险分析技术研究进展

        陈群, 陈肇强, 侯博议, 王丽娟, 罗雨晨, 李战怀
        2020, 6(1): 2020005-1. DOI: 10.11959/j.issn.2096-0271.2020005
        摘要：目前基于深度学习模型的预测在真实场景中具有不确定性和不可解释性，给人工智能应用的落地带来了不可避免的风险。首先阐述了风险分析的必要性以及其需要具备的3个基本特征：可量化、可解释、可学习。接着，分析了风险分析的研究现状，并重点介绍了笔者最近提出的一个可量化、可解释和可学习的风险分析技术框架。最后，讨论风险分析的现有以及潜在的应用，并展望其未来的研究方向。  
        关键词：人工智能;风险分析;不确定性;可解释性   
        678
        |
        830
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536160 false
        更新时间：2020-01-15

      • 监督学习中的损失函数及应用研究

        邓建国, 张素兰, 张继福, 荀亚玲, 刘爱琴
        2020, 6(1): 2020006-1. DOI: 10.11959/j.issn.2096-0271.2020006
        摘要：监督学习中的损失函数常用来评估样本的真实值和模型预测值之间的不一致程度，一般用于模型的参数估计。受应用场景、数据集和待求解问题等因素的制约，现有监督学习算法使用的损失函数的种类和数量较多，而且每个损失函数都有各自的特征，因此从众多损失函数中选择适合求解问题最优模型的损失函数是相当困难的。研究了监督学习算法中常用损失函数的标准形式、基本思想、优缺点、主要应用以及对应的演化形式，探索了它们适用的应用场景和可能的优化策略。本研究不仅有助于提升模型预测的精确度，而且也为构建新的损失函数或改进现有损失函数的应用研究提供了一个新的思路。  
        关键词：监督学习;损失函数;相似度度量   
        799
        |
        1309
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536186 false
        更新时间：2020-01-15

        应用

      • 云环境下大规模分布式计算数据感知的调度系统

        刘汪根, 郑淮城, 荣国平
        2020, 6(1): 2020007-1. DOI: 10.11959/j.issn.2096-0271.2020007
        摘要：介绍了新的调度系统，包括资源调度、应用编排、配置标签中心、云网络和云存储服务等子系统。系统通过数据拓扑感知能力保证了计算和数据的局部性，节约网络I/O开销；通过优化点对点大数据量读取的资源调度，解决网络风暴造成的影响；通过网络和磁盘隔离技术以及可抢占的方式来保证服务等级协议。  
        关键词：云计算;调度系统;大数据;AI平台;数据局部性;分布式计算;抢占   
        762
        |
        1027
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536188 false
        更新时间：2020-01-15

      • 大数据技术在乡村画像中的应用研究

        李望月, 刘瑾, 陈娜
        2020, 6(1): 2020008-1. DOI: 10.11959/j.issn.2096-0271.2020008
        摘要：在国家大数据战略和乡村振兴战略的大背景下，创新性地将大数据技术引入乡村画像中。在系统研究乡村大数据源、大数据画像技术水平和乡村振兴研究的热点、重点和难点问题的基础上，从乡村发展基础、乡村发展状态和乡村发展行为3个方面构建了大数据乡村画像的概念模型。借助原始指标、知识图谱、政策文本3类标签化方法，将概念模型具体化为可进行实际操作的3套标签体系，在此基础上，对3套标签体系的大数据计算方法、可视化方法进行阐述，并进行画像举例。最后探索了大数据乡村画像未来的研究方向。  
        关键词：乡村画像;大数据技术;概念模型;标签体系;乡村振兴;知识图谱   
        468
        |
        650
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536200 false
        更新时间：2020-01-15

        前言

      • CCF大专委2020年大数据发展趋势预测

        周涛, 程学旗, 陈宝权
        2020, 6(1): 2020009-1. DOI: 10.11959/j.issn.2096-0271.2020009
          
        406
        |
        529
        |
        0
        <HTML>
        <网络PDF><XML><Meta-XML>
        <引用本文> <批量引用> 59536228 false
        更新时间：2020-01-15
      0