网络安全中基于用户群体偏好的隐私保护算法

论文摘要

随着电力通信网络及大数据应用技术的发展,用户对于网络安全的需求性也越来越高,因此网络中的用户喜好挖掘后的隐私保护也变得愈发重要。为了有针对性地实施终端用户隐私的保护,本文提出了一种基于用户偏好的主客观混合的体验质量(QoE)评估模型。本文以协同过滤方法为基础,根据用户使用记录实现基于用户群体的兴趣挖掘,从而满足单个用户数据的隐私保护并且降低模型判断复杂度,有效地保证了数据安全问题。实验结果表明,划分用户类型后的决策树可以获得更好的预测结果,保护了用户的隐私,从而保障了网络的安全。

论文目录

• 1 引言
• 2 相关工作
• 3 基础算法
•   3.1 协同过滤推荐算法
•     3.1.1 收集用户偏好
•     3.1.2 找到相似的用户
•     3.1.3 计算推荐
•   3.2 C4.5决策树算法
•   3.3 xgboost特征选择
• 4 本文提出的主观评价方法
• 5 实验与分析
•   5.1 数据预处理
•   5.2 具体实验步骤
•     5.2.1 xgboost特征选择
•     5.2.2 协同过滤算法数据扩充与业务推荐
•     5.2.3 C4.5决策树分类
•   5.3 实验结果展示
• 6 结束语

文章来源

类型: 期刊论文

作者: 姜文婷,陈燕,亢中苗

关键词: 网络安全,用户隐私保护,特征选择,协同过滤算法

来源: 自动化技术与应用 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 广东电网有限责任公司电力调度控制中心

基金: 广东电网科技项目（编号036000KK52170002）

分类号: TP309

页码: 97-103

总页数: 7

文件大小: 2254K

下载量: 73