论文阅读
文章平均质量分 88
LOST P
坚持开源精神
[email protected]
https://github.com/Fu2003120
展开
-
【PRIVGUARD-privguard-artifact-main】代码复现
本配置指南旨在帮助用户在Ubuntu 18.04系统上,针对Python 3.6.5环境,完成特定软件的设置。首先,指导用户通过修改`.bashrc`文件来设置环境变量`PRIVGUARD`,指向软件所在的目录,以便系统能够识别并正确使用软件。接下来,引导用户安装并激活Python虚拟环境,这是为了创建一个隔离的环境来安装和管理Python包,避免可能的版本冲突。在虚拟环境中,用户被指导安装特定版本的`numpy`、`pypandoc`、和`pyparsing`包,确保软件依赖的准确性和兼容性。原创 2024-04-06 12:52:13 · 341 阅读 · 0 评论 -
【PRIVGUARD-privguard-artifact-main】代码学习(parser部分)
在PrivGuard中,抽象域用于表示变量的值范围和数据模式,辅助隐私策略分析。属性部分描述了数据的不同特征和要求,如数据列、满足的条件、过滤和脱敏需求等。策略解析器通过Legalease语言解析具体的隐私策略,将其转换为内部表示形式,便于进一步处理和评估。策略树部分则涉及策略的内部表示和基于数据处理操作的动态更新方法。最后,typed_value.py定义了支持的数据类型及其操作,这是策略评估和执行的基础。整体而言,PrivGuard提供了一套完整的框架,用于确保数据处理程序的隐私保护措施得以有效实施。原创 2024-03-13 11:36:25 · 1065 阅读 · 0 评论 -
【PRIVGUARD: Privacy Regulation Compliance Made Easier】论文精读
本文介绍了一个名为PRIVGUARD的数据分析框架,旨在减少合规性过程中的人工参与。PRIVGUARD利用密码学工具和可信执行环境(TEE)通过五步流程确保数据处理遵守隐私政策。该框架允许数据保护官员、法律专家和数据主体通过客户端API指定他们的隐私偏好,并通过PRIVANALYZER静态分析器检查数据分析程序的合规性。PRIVANALYZER采用抽象解释和剩余政策生成,以确保数据处理活动遵守既定政策。实验结果显示,PRIVGUARD能够有效地处理大规模数据集,同时保持较低的性能开销。原创 2024-02-29 15:49:42 · 592 阅读 · 0 评论