摘要
本发明公开了一种社交网络环境信息分享的隐私保护方法及系统,包括:建立不同时间点隐私信息的级联规模预测模型,得到隐私信息在时间的传播规模;评估隐私主体的隐私信息接收者给隐私主体带来的影响力;从客观面临的风险和主观预期的风险两方面评估隐私风险;基于隐私收益和隐私损失确定隐私效用;将在线社交网络中的隐私效用最大化问题归纳成约束马尔可夫决策过程,以分析不同时间点的决策收益,并制定适当的策略来实现平衡。通过研究隐私信息传播的动态特性,将隐私信息传播规模预测结果用于隐私主体影响力和隐私信息分享风险评估,最后通过马尔可夫决策过程制定效用最大化的隐私保护策略以实现在线社交网络中的隐私信息分享。
技术关键词
隐私保护方法
社交网络环境
风险
贝叶斯神经网络
决策
规模
策略
节点特征
拉格朗日方法
隐私保护系统
矩阵
捕捉结构
隶属度函数
多层感知机
迭代方法
级联
在线
系统为您推荐了相关专利信息
高血压预测方法
多层感知机
注意力机制
随机森林
LSTM神经网络
动态签名
密钥管理中心
孤立森林算法
存储程序代码
生成对抗网络
电信号
工频噪声
风险预测系统
风险预测模型
数据获取子模块
驱动控制模块
直线模组
时间序列预测模型
收放卷盘
测试方法