普適計算環境下CBR的隱私策略的生成方法及系統技術方案

本發明專利技術公開了一種普適計算環境下基于案例推理的隱私策略的生成方法及系統，其中該方法包括：對于待保護的用戶隱私，提取用戶的上下文信息作為特征值；在預先建立的隱私策略案例庫中根據特征值進行檢索，得到初始化隱私策略；對初始化隱私策略進行修正，生成可執行的隱私策略。本發明專利技術綜合考慮用戶上下文信息，能夠更好地反應用戶的隱私偏好。

【技術實現步驟摘要】

本專利技術涉及信息安全領域，尤其涉及一種普適計算環境下CBR (基于案例推理)的隱私策略的生成方法及系統。
技術介紹
普適計算具有前所未有的復雜性和多樣性，國內外普適計算研究領域的研究內容、研究角度、研究層次呈現多樣性。在物聯網和移動互聯網眾多的研究內容中，普適計算環境中的隱私保護問題是最難研究的內容之一。這是因為普適計算的隱私不是一個絕對的概念，對隱私的研究不僅涉及到技術層面，而且與社會、法律和經濟等非技術因素有關系。目前，國內外對普適計算隱私保護的研究，總體上表現為缺乏系統性和統一性，研究的角度和思路各異，研究的層次深淺不一，而且多數為針對具體應用問題展開研究，例如基于位置服務的普適計算應用。然而，普適計算為人們提供這種無所不在的便利性計算服務的同時，也引發出了一些新的問題，其中最主要之一就是個人隱私泄漏。隱私信息泄漏的種類有多種，比如用于存儲隱私信息的數據庫遭到攻擊，在網上購物的消費記錄被網站出售，或者是由于信用卡公司的疏忽泄漏了用戶的婚姻狀況、收入水平等信息等等，也使人們的個人隱私信息的面臨新的挑戰。因此近幾年來，隱私保護技術已經成為一種新興的信息安全技術，引起了許多學者和研究機構的重視。現有的隱私保護技術主要有兩種不同的方法，一種是數據隱藏的方法來保護隱私信息，另一種是基于密碼學的隱私信息保護。但是，傳統的密碼理論技術不能很好地解決普適計算環境的需求。綜上所示，現有技術中缺少基于普適計算的用戶隱私保護問題的有效解決方案。
技術實現思路
為解決上述問題，本專利技術的主要目的在于提供一種普適計算環境下基于案例推理的隱私策略的生成方法及系統，其中根據本專利技術實施例的普適計算環境下基于案例推理的隱私策略的生成方法包括對于待保護的用戶隱私，提取用戶的上下文信息作為特征值；在預先建立的隱私策略案例庫中根據特征值進行檢索，得到初始化隱私策略；對初始化隱私策略進行修正，生成可執行的隱私策略。其中，將可執行的隱私策略學習到隱私策略案例庫。其中，隱私策略案例庫中的案例使用特征值進行特征表達，并按照基于案例索引的分層結構進行存儲。其中，在預先建立的隱私策略案例庫中根據特征值進行檢索，得到初始化隱私策略包括確定特征值的索引分類；在隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略。其中，在隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略包括若在隱私策略案例庫中檢索到與特征值相匹配的一個隱私策略案例，則該隱私策略案例為初始化隱私策略；若在隱私策略案例庫中檢索到與特征值相匹配的多個隱私策略案例，則從多個隱私策略案例選擇相似特征值對多的案例作為初始化隱私策略；或提供用戶界面，并通過該用戶界面接收用戶在多個隱私策略案例中選擇的其中之一。其中，對初始化隱私策略進行修正進一步包括通過預先設置的模糊策略對初始化隱私策略自動進行修正；或提供用戶界面，并通過該用戶界面接收來自用戶的對初始化隱私策略進行修正。其中，用戶的上下文進一步包括用戶的靜態上下文和用戶的動態上下文；用戶的靜態上下文，包括以下至少之一用戶的個人信息、用戶的社會和組織關系、用戶的時間段設置；用戶的動態上下文，包括以下至少之一用戶的當前狀態，用戶的當前活動。根據本專利技術實施例的普適計算環境下基于案例推理的隱私策略的生成系統包括提取模塊，用于提取待保護的用戶隱私的用戶的上下文信息作為特征值；檢索模塊，用于在預先建立的隱私策略案例庫中根據特征值進行檢索，得到初始化隱私策略；生成模塊，用于對檢索模塊檢索得到的初始化隱私策略進行修正，生成可執行的隱私策略。其中，該系統還包括學習模塊，用于將生成模塊生成的可執行的隱私策略學習到隱私策略案例庫。其中，隱私策略案例庫中的案例使用特征值進行特征表達，并按照基于案例索引的分層結構進行存儲。其中，檢索模塊進一步包括索引分類確定模塊，用于確定特征值的索引分類；索引分類檢索模塊，用于在隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略。其中，索引分類檢索模塊進一步用于若在隱私策略案例庫中檢索到與特征值相匹配的一個隱私策略案例，則該隱私策略案例為初始化隱私策略；若在隱私策略案例庫中檢索到與特征值相匹配的多個隱私策略案例，則從多個隱私策略案例選擇相似特征值對多的案例作為初始化隱私策略；或提供用戶界面，并通過該用戶界面接收用戶在多個隱私策略案例中選擇的其中之其中，生成模塊進一步包括自動修正模塊，用于通過預先設置的模糊策略對初始化隱私策略自動進行修正；人工修正模塊，用于通過提供的用戶界面接收來自用戶的對初始化隱私策略進行修正。其中，用戶的上下文進一步包括用戶的靜態上下文和用戶的動態上下文用戶的靜態上下文，包括以下至少之一用戶的個人信息、用戶的社會和組織關系、用戶的時間段設置；用戶的動態上下文，包括以下至少之一用戶的當前狀態，用戶的當前活動。根據本專利技術的上述技術方案，通過基于普適計算的應用環境、以及基于案例推理生成隱私保護策略，在生成過程中，同時考慮用戶上下文信息，該策略生成方式具有一定的學習能力，并可以通過模糊策略的自動修正和用戶修正的方式進行反饋，更好的表達用戶隱私偏好和適應緊急情況。生成的隱私保護策略可以應用于隱私策略應用框架以實現具體的隱私保護。附圖說明此處所說明的附圖用來提供對本專利技術的進一步理解，構成本申請的一部分，本專利技術的示意性實施例及其說明用于解釋本專利技術，并不構成對本專利技術的不當限定。在附圖中圖1是本專利技術實施例的CBR流程的示意圖；圖2是本專利技術實施例的基于上下文和CBR的隱私策略學習模型的示意圖；圖3是本專利技術實施例的方法流程圖；圖4是本專利技術實施例的隱私策略案例庫的索引結構的示意圖；圖5是本專利技術實施例的基于jCOLIBRI的CBR流程示意圖；圖6是本專利技術實施例的People Finder的系統結構的示意圖；圖7是根據本專利技術實施例的隱私策略應用框架的示意圖；圖8和圖9是本專利技術實施例的系統框圖。具體實施例方式為使本專利技術的目的、技術方案和優點更加清楚，以下結合附圖及具體實施例，對本專利技術作進一步地詳細說明。根據本專利技術的實施例，提供了一種普適計算環境下基于案例推理的隱私策略的生成方法。首先，對本專利技術涉及到的一些概念進行簡單說明。本專利技術使用基于案例的推理(Case-Based Reasoning，簡稱CBR)技術，CBR是由目標案例的提示而得到歷史記憶中的源案例、并由源案例來指導目標案例求解的一種策略。CBR基于經驗知識進行推理，它是用案例來表達知識并把問題求解和學習相融合的一種推理方法，它強調人在解決新問題時，常常回憶起過去積累下來的類似情況的處理，并通過適當修改過去類似情況處理的方法來解決新問題。CBR的流程請參考圖1，如圖1所示，CBR的關鍵實現技術包括案例的表示，案例庫的管理(案例的組織與存儲、修正、保留)，以及案例的檢索與匹配。CBR技術的特點主要體現在以下幾個方面(I)CBR屬于類比推理，通過適應性修改可以形成與舊案例處理方式不同的創新解答;(2)從存儲結構看，CBR的知識以案例的形式存儲在案例庫中；(3)對于求解問題，CBR根據輸入特征來匹配案例庫中案例；(4) CBR主要適用于經驗豐富的應用領域。在CBR系統中，在給定輸入說明的情況下，CBR系統檢索案例庫，以搜索一個匹配輸入特征的現有案例，檢索結果分為兩種情況檢索到完本文檔來自技高網...

【技術保護點】
一種普適計算環境下基于案例推理的隱私策略的生成方法，其特征在于，包括：對于待保護的用戶隱私，提取用戶的上下文信息作為特征值；在預先建立的隱私策略案例庫中根據所述特征值進行檢索，得到初始化隱私策略；對所述初始化隱私策略進行修正，生成可執行的隱私策略。

【技術特征摘要】

【專利技術屬性】
技術研發人員：喻子達，王襲，趙向陽，安娜，
申請(專利權)人：海爾集團公司，海爾集團技術研發中心，
類型：發明
國別省市：