[
-
内容大纲
随着人工智能、区块链、深度学习等技术在金融领域的广泛应用，通过对海量金融数据进行分析、归纳，挖掘出潜在的模式，研究市场运行规律，可以帮助企业调整策略，降低风险，提高效益。然而随着新技术的广泛应用，在挖掘规则的同时，可能会泄露用户的敏感信息。在金融大数据背景下，涉及到用户的数据量较大，如果这些数据中的隐私信息被泄露将对用户造成巨大伤害。为了避免用户在金融大数据环境下访问服务过程中敏感信息被泄露，本书将提出三种新方法来保护用户的隐私数据：①将环签名技术引入到金融大数据环境。②设计隐私策略匹配模型和匹配协议，保护金融大数据环境下用户的隐私信息。③设计最小属性泛化算法，提出基于最小属性泛化技术保护金融大数据环境下用户的隐私数据；针对所设计的最小属性泛化算法，通过仿真实验验证该算法的正确性和隐私保护度。 -
作者介绍
王健，博士，河南财经政法大学计算机与信息工程学院教师。宾夕法尼亚州立大学访问学者，内布拉斯加州大学林肯分校访问学者。在大数据安全领域发表多篇论文，主持完成多项省级课题。 -
目录
绪论
1 基于隐私保护的数据挖掘概述
1.1 数据挖掘
1.2 隐私信息
1.3 数据挖掘的产生背景
2 相关技术的研究进展
2.1 基于隐私保护的数据挖掘
2.2 基于隐私保护的数据挖掘算法的分类
2.3 在数据挖掘中实施隐私保护
2.4 集中式环境下的PPDM算法
2.5 分布式环境下的PPDM算法
2.5.1 数据垂直分布条件下的基于隐私保护的分类挖掘算法
2.5.2 数据水平分布条件下的基于隐私保护的关联规则挖掘算法
2.5.3 数据水平分布条件下的基于隐私保护的聚类挖掘算法
2.6 大数据背景下的金融隐私权
2.7 小结
3 面向金融大数据的数据分析
3.1 金融数据分析案例
3.2 面向金融数据的多维数据分析实例
4 基于匿名访问控制保护金融大数据环境下用户标识信息
4.1 相关研究介绍
4.2 相关概念
4.3 金融大数据环境下匿名访问控制方法
4.4 适用于金融大数据环境的无证书环签名方案
4.4.1 生成参数
4.4.2 生成密钥
4.4.3 产生签名
4.4.4 验证签名
4.4.5 接收服务
4.5 安全性分析
4.6 效率分析
4.7 小结
5 基于隐私策略匹配算法保护金融大数据环境下的隐私数据
5.1 方法阐述
5.2 金融大数据环境下的隐私策略匹配模型
5.2.1 隐私策略匹配时所需要考虑的属性
5.2.2 基于用户的匹配模型
5.2.3 基于SP的评比模型
5.2.4 基于经纪人的评比模型
5.2.5 三种评比模型的比较
5.3 隐私策略匹配算法
5.4 安全性分析
5.5 小结
6 基于最小属性泛化算法保护金融大数据环境下的隐私数据
6.1 本方向相关研究介绍
6.2 总体思路
6.3 隐私匹配协议
6.4 最小属性泛化算法
6.5 案例研究
6.6 安全性分析
6.7 实验分析
6.7.1 执行效率的评价与分析
6.7.2 隐私泄露度的比较与分析
6.8 小结
7 金融大数据环境下基于隐私保护的K-NN分类挖掘算法
7.1 引言
7.2 测量相似度的BWC方法
7.3 金融大数据环境下的隐私匹配协议
7.4 适用于金融大数据环境的K-NN分类挖掘算法
7.5 安全性分析
7.6 实验分析
7.7 小结
8 金融大数据环境下基于隐私保护的神经网络学习算法
8.1 引言
8.2 相关概念
8.2.1 神经网络
8.2.2 同态加密
8.2.3 语义安全性
8.2.4 安全多方计算协议
8.3 反向传播神经网络学习算法
8.4 基于隐私保护的反向传播神经网络学习算法
8.5 算法PPNN-DHP的安全性分析
8.6 实验评价与分析
8.6.1 执行效率的评价与分析
8.6.2 准确度误差的评价与分析
8.6.3 平均隐私泄露度的比较与分析
8.7 小结
9 面向金融大数据多敏感属性的隐私保护研究
9.1 引言
9.2 问题分析
9.3 (α，β，k)-anonymity模型
9.3.1 问题定义
9.3.2 (α，β，k)-anonymity
9.4 (α，β，k)-anonymity算法
9.5 实验评价与分析
9.5.1 实验环境
9.5.2 实验评价方法
9.5.3 实验结果及分析
9.6 小结
10 金融大数据环境下基于隐私保护的贝叶斯网络增量学习算法
10.1 引言
10.2 贝叶斯网络和K2学习算法
10.3 贝叶斯网络增量学习的策略
10.4 安全多方计算子协议的设计
10.5 新的贝叶斯网络增量学习算法
10.6 安全性分析
10.7 实验评价与分析
10.8 小结
11 金融大数据环境下基于隐私保护的频繁模式挖掘算法
11.1 引言
11.2 相关概念
11.2.1 关联规则挖掘的相关概念
11.2.2 基于FP-tree的频繁模式挖掘算法
11.3 一种新的适用于频繁模式挖掘的分布式框架
11.4 分布式环境下基于隐私保护的频繁模式挖掘算法
11.4.1 CFPM算法
11.4.2 GCFPM算法
1 1.4.3 FCFPM算法
11.5 安全性分析
11.6 实验评价与分析
11.6.1 改变分布式节点的数目
1 1.6.2 改变数据集合的参数
11.6.3 传输数据量的比较
11.7 小结
12 面向金融区块链的隐私数据保护
12.1 区块链介绍
12.1.1 区块链的定义
12.1.2 数据区块
12.1.3 区块链的特征
12.1.4 区块链的类型
12.1.5 区块链框架简介
12.2 区块链应用案例
12.2.1 区块链应用于清算与结算业务的优势
12.2.2 区块链应用于贷款清算领域的优势
12.2.3 区块链应用于借贷领域的优势
12.2.4 区块链技术在供应链金融平台的应用
12.3 金融大数据安全存储管理架构
12.3.1 点对点的金融区块链
12.3.2 数据分布式安全共享
12.4 基于博弈论的数据资源交易
12.4.1 资源定价与收益模型
12.4.2 最优定价与最大化收益
12.5 安全性分析与性能评估
12.5.1 所提出的算法
12.5.2 系统安全性分析
12.6 小结
13 结语
参考文献
同类热销排行榜
[an error occurred while processing this directive]推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...