基于Shannon信息熵与BP神经网络的隐私数据度量与分级模型

TP301; 针对当前网络环境下由隐私数据识别困难问题所引出的隐私度量与分级需求,提出了一种基于Shannon信息熵与BP神经网络的隐私数据度量与分级模型.该模型从3个维度建立了两层隐私度量要素,基于数据集本身,利用Shannon信息熵为二级隐私要素定权,并由此计算数据集中各条记录在一级隐私度量要素下的隐私量; 利用BP神经网络在不预设度量权值的情况下,输出隐私数据分级结果.实验表明,该模型能够在极低的误判率和较小的误判偏差下实现对隐私数据的度量与分级....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 39; no. 12; pp. 10 - 17
Main Authors 俞艺涵, 付钰, 吴晓平
Format Journal Article
LanguageChinese
Published 海军工程大学信息安全系,湖北 武汉,430033 25.12.2018
Subjects
信息熵
information entropy
privacy security
BP neural network
BP神经网络
隐私安全
隐私度量
privacy metrics
Online AccessGet full text

Cover

More Information
Summary:TP301; 针对当前网络环境下由隐私数据识别困难问题所引出的隐私度量与分级需求,提出了一种基于Shannon信息熵与BP神经网络的隐私数据度量与分级模型.该模型从3个维度建立了两层隐私度量要素,基于数据集本身,利用Shannon信息熵为二级隐私要素定权,并由此计算数据集中各条记录在一级隐私度量要素下的隐私量; 利用BP神经网络在不预设度量权值的情况下,输出隐私数据分级结果.实验表明,该模型能够在极低的误判率和较小的误判偏差下实现对隐私数据的度量与分级.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2018286