动态数据隐私模态分解的保护方法优化研究  

Research on Optimization of Protection Methods for Dynamic Data Privacy Modal Decomposition

作　　者：王鹏[1] 王雪飞[1] 佟良 WANG Peng;WANG Xue-fei;TONG Liang(College of Information Engineering,Suihua University,Suihua Heilongjiang 152000,China;School of Mathematical Sciences,Heilongjiang University,Harbin Heilongjiang 150080,China)

机构地区：[1]绥化学院信息工程学院,黑龙江绥化152000 [2]黑龙江大学数学科学学院,黑龙江哈尔滨150080

出　　处：《计算机仿真》2024年第6期401-404,440,共5页Computer Simulation

基　　金：绥化学院,绥化学院科研启动基金项目(SQ21007);黑龙江省高校基本科研业务费科研项目(YWK10236200136);黑龙江省科研业务费项目(KYYWF10236180107);黑龙江省自然科学基金(LH2019F052)

摘　　要：由于网络环境中动态隐私数据尺度特征难捕捉、保护需求判定误差大,使得隐私数据保护难度提升。为解决以上问题,提出动态数据隐私模态分解的保护方法。通过采集动态数据信息,建立经验函数并按照数据模态量实行独立分解与转换,计算按照不同尺度规则分解中一组数据的分量变化,求得其高频和低频分量,分量即该数据的隐私泄露风险概率。将网络动态图抽象成模型,明确不同时刻下各节点的相邻变化关系,根据节点保护需求,在加密函数中代入求解密钥,结合明文规则使密钥与隐私数据无限贴合,完成隐私有效保护。实验结果表明,所提方法的隐私保护效果较好,在正常和非正常网络环境下均能够实现数据隐私的有效保护。ed into a model to clarify the adjacent relationship between nodes at different times.According to the require⁃ments of node protection,the key was substituted into the encryption function.According to the plaintext rules,we made the key and the private data infinitely connected,thus achieving effective privacy protection.Experimental results prove that the proposed method has a good effect on privacy protection,and can effectively protect data privacy in normal and abnormal network environments.

关 键 词：经验模态分解 动态数据 隐私保护 加密函数 泄露风险概率 

分 类 号：TP122[自动化与计算机技术—控制理论与控制工程]