专题导读:大数据隐私保护
在大数据时代,数据的开放共享是发 掘大数据中蕴含的巨大价值以及推动大数 据发展的必要途径。然而,大数据中往往包 含用户的大量敏感信息,一旦开放这些数 据,会导致严重的个人隐私泄露问题。如果 不能解决由于大数据共享导致的个人隐私 泄露的问题,大数据的发展将受到严重阻 碍。因此,对大数据隐私保护技术的研究具 有十分重要的意义,只有在有效保护用户隐 私的前提下进行数据的开放与共享,才能 充分发挥大数据的应用优势。
近年来,大数据隐私保护技术的研究 和应用受到了学术界和工业界的广泛关 注。在学术界,针对大数据隐私保护技术进 行的研究方兴未艾;在工业界,一些互联网 公司已经尝试应用隐私保护技术收集某些 特定类型的用户数据。为了探讨与大数据隐 私保护相关的领域面临的挑战,本专题汇 集了国内活跃在一线的大数据隐私保护研 究者的4篇文章,从科学基础理论、关键技 术方法与系统应用研究等方面,探索大数 据隐私保护最新的研究进展及未来可能的 研究方向,希望能引起读者兴趣,推动相关 领域研究与实践的发展。
孙慧中等人撰写的《一种基于随机投 影的本地差分隐私高维数值型数据收集算 法》针对高维数值型数据收集过程中亟待 解决的隐私问题,提出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,并从理论上证明 了该算法满足本地差分隐私的要求。
王平等人撰写的《基于安全压缩感知 的大数据隐私保护》结合压缩感知技术,提 出了一种感知层内置的轻量级加密机制,其 能够将保密性嵌入信息感知的过程中,以近 乎零的成本为数据提供第一层安全防护。
卢 文 雄 等人 撰 写的《基 于同源 策 略 的移动应用