基于HMM的用户查询风险评估和隐私保护方法

摘要

本发明提供了一种基于隐马尔克夫模型(Hidden Markov Model，HMM)的用户查询风险评估和隐私保护方法。通过对用户查询的特征进行分析，将分析得到的指标将其作为HMM的量化指标，建立用户查询风险评估模型；初始化模型参数；根据可见状态序列以及系统的真实状态，对模型进行训练；最后当用户查询，对用户查询风险计算以及风险等级评估。本发明利用HMM模型对用户查询安全风险进行评价，考虑各阶段的动态性，实时反应风险状态。针对高风险查询采用高强度的差分噪音来降低用户查询风险，针对低风险查询采用低强度的差分噪音进行保护，不仅有效解决了用户查询时隐私泄露的风险，而且节约了隐私保护成本。同时该模型具有很强的扩展性，可以应用到各种在线查询服务中。