一种用户连续查询中隐私风险评估的方法

摘要

用户在线查询服务中的隐私风险评估与隐私保护有着等同的重要性.关于用户查询隐私保护的研究引起了广泛关注,而对于用户查询隐私风险评估的研究较少.其中,连续查询作为查询一种重要表现,合理地对用户连续查询进行隐私风险评估,能够有效抵抗用户查询中隐私泄露.因此,本文基于隐马尔可夫模型(Hidden Markov Model,HMM)首次提出了一种能够动态评估用户连续查询隐私风险的方法,通过分析用户连续查询时存在的重要特征,以概率的方式评估用户每次查询时的隐私风险大小.最后,为了验证该方法的有效性,采用美国在线(AOL)真实的用户查询日志数据进行分析和证明,实验结果表明该方法具有较高的风险评估准确率,同时评估时间符合实际的用户查询需求.