隐私信息

摘要： 卫生健康事业发展中心要根据自身服务内容,确定实现纸质档案电子化的管理方向,和保护档案信息内容的突破点。并增强档案管理工作过程中技术的应用和人才的培养。对每份档案的保存、录入、加密、使用等需求进行以服务和保障单位、个人隐私为主导的防护。依据电子化前后档案信息内容的核实与人员身份信息确认条件,不断完善对纸质档案进行管理的本单位工作要求。

摘要： 小读者都知道“隔墙有耳”这个成语吧?它的意思是,隔着一堵墙,也有人偷听,告诫我们说秘密的事情要小心。那么当我们打电话或用手机微信和人语音聊天时,总不会有人隔着手机偷听吧?事实是,黑客不但有可能偷听你的通话,还有可能借此获取你的隐私信息。而这些窃听者的“小耳朵”,就有可能是我们手机里的加速度计。

摘要： 医院内网在线档案较多,导致隐私信息加密效率与安全性较低,为此,本文提出一种医院内网在线档案云存储隐私信息加密技术。对医院内网在线档案数据分割与模糊关键字检索,将关键字集合转换为相似坐标集合,通过身份染色等步骤构建云存储隐私信息加密机制,以此完成医院内网在线档案云存储隐私信息加密。实验结果表明,所提技术在初始化处理、密钥分发、加密与检索上,花费的时间较少,并且信息被更改、被窃取次数较少,以期为有效提高信息加密效率,提升信息安全提供一定帮助。

摘要： 随着电子病历数据开放共享的需求越来越大,电子病历去隐私性问题亟需解决。利用自然语言处理技术,提出一种基于Bert-BiLSTM-CRF模型的电子病历隐私信息识别方法。采用某三甲中医院的电子病历作为数据来源,结合当前公开的数据集进行训练,得到正确率为94.02%、召回率为94.25%、F1为93.98%的中医电子病历隐私信息识别模型。与其他传统模型进行对比实验表明,Bert-BiLSTM-CRF模型能有效识别并保护电子病历中的隐私数据,有助于医疗数据的开放共享。

摘要： 人工智能随着大数据、云计算和物联网技术的蓬勃发展,已广泛渗透到科学研究、数字经济、健康与医疗卫生等各大领域,给人类生产生活带来了极大的便利.机器学习的模型训练和推理预测都依赖于大规模数据集,而这些数据中可能包含着用户的敏感或隐私信息.针对人工智能中日益加剧的数据安全与隐私保护需求,国内外学者获得了一系列重要研究成果.然而,如何在保护用户数据安全的同时,实现人工智能技术的高可用性和高效性仍然是学术界和工业界广泛关注的具有挑战性的研究课题.

摘要： 人工智能随着大数据、云计算和物联网技术的蓬勃发展,已广泛渗透到科学研究、数字经济、健康与医疗卫生等各大领域,给人类生产生活带来了极大的便利.机器学习的模型训练和推理预测都依赖于大规模数据集,而这些数据中可能包含着用户的敏感或隐私信息.针对人工智能中日益加剧的数据安全与隐私保护需求,国内外学者获得了一系列重要研究成果.然而,如何在保护用户数据安全的同时,实现人工智能技术的高可用性和高效性仍然是学术界和工业界广泛关注的具有挑战性的研究课题.

摘要： 针对传统的信息更新方法存在的更新效率低、隐私信息泄露风险大的问题,研究设计了一种分布式数据库隐私信息增量式更新方法。首先分析分布式数据库的存储结构和工作模式,在注册分布式数据库的基础上捕获增量变更数据。以捕获的变更数据为基础,加密保护数据库隐私信息。再通过数据转换、制定数据映射文件、数据加载、复制等步骤,实现分布式数据库隐私信息的增量式更新。仿真结果表明:与传统的信息更新方法相比,上述方法的更新速度更快,且隐私信息的泄露量更少。

摘要： [目的/意义]准确掌握网路暴力事件的演化路径,并及时预测潜在的网络暴力事件,为相关部门治理舆情提供参考。[方法/过程]研究了网络暴力舆情事件的演进阶段、演进要素及演化路径;从舆情本体、舆情传播、舆情反应三个方面抽取网络暴力事件的相关特性。面向不平衡数据子集,基于多层感知机提出一种融合集成噪声识别与SMOTE算法的网络暴力预测模型。[结果/结论]提出的预测模型准确率达88.7%,且具有较好的泛化能力。暴露隐私信息是网络暴力事件发生最关键的因素。

摘要： 隐私计算作为一项新技术在数据资源整合和数据安全保护方面发挥着越来越重要的作用。隐私计算是面向隐私信息全生命周期保护的计算理论和方法,是隐私信息所有权、管理权和使用权三权分离时,隐私度量、隐私泄露代价、隐私保护与隐私分析复杂性的可计算模型与公理化系统。隐私计算可以在保护数据安全的前提下,实现对数据“可用而不可见”的目的,不仅具有巨大的技术价值,也有着广阔的应用空间。目前在医疗、金融、政务等领域已经开始应用,但隐私计算的技术也具有诸多风险及问题,如转译偏差耗散、数据集偏误、人为干扰对抗、歧视的群体化和应用逆向淘汰等。因此,实现隐私计算发展的规范化必须加强法律调控,通过法律防范其风险、规制其运行。

摘要： 为提升隐私信息安全共享效率,提升网络用户的隐私信息安全共享体验,本文提出一种基于区块链的隐私信息安全共享技术。利用MapReduce技术对隐私信息同态加密,设立隐私信息第一道安全防护,利用区块链技术对隐私信息重加密处理,使用哈希函数根据隐私信息属性集合生成密钥,并建立安全构造,设立隐私信息第二道安全防护,利用解密算法对隐私信息解密,获取到隐私信息文件,从而实现基于区块链的隐私信息安全共享。实验结果表明,设计技术的隐私信息安全共享耗时较短,在隐私信息安全共享方面具有一定应用价值。

摘要： 公有云服务因其资源利用率高、计算能力强等优势而得到了迅速发展,然而云上的隐私信息保护成为其未来发展道路上的一个不可忽视的问题.本文提出一种基于仿射变换的凸二次规划计算方法以解决隐私信息保护问题,该算法通过仿射变换和随机矩阵的方法,将原始数据映射到一个全新空间,保证用户隐私数据信息的安全可靠.基于此方法,本文实现了原型系统,针对原型系统计算效率的测试结果表明,在不增加过多开销的情况下,本文方法可以有效的保护公有云平台中的用户敏感信息.

摘要： 网络钓鱼使用各种网络形式窃取用户的隐私信息,如银行的账户、密码、PIN等,给用户带来了巨大的损失.通过设计网络钓鱼的预防模型来增强用户的预防意识,进而采取一定的预防措施减少网络钓鱼的攻击.对用户进行问卷调查来收集研究所需要的数据.研究结果表明,域名知识、概念知识、自我信心以及感知受益对网络钓鱼的预防行为有显著的正向影响,感知阻碍则恰恰相反,而周边信息无显著影响.

摘要： 云计算已经成为一种计算范型为用户提供服务,但其开放性,虚拟化和服务外包化的特点使得用户的隐私信息难以控制和保护.本文以描述逻辑为基础,提出了一种云计算环境下面向语义的隐私需求描述与检测方法.首先,对用户隐私需求与服务提高商的隐私策略进行描述.其次,对两者之间的冲突进行检测,发现满足用户隐私需求的服务.最后,利用Pellet推理机进行了实验,证明了此方法的正确性与可行性.

摘要： 大量的新技术应用在教育领域使得人们对学习者学习过程中产生的数据进行收集、记录、分析成为可能,而随着技术的不断改革,对学习者的学习分析将会更加细致,由此产生的伦理道德与隐私问题正逐渐引起研究人员的关注.文章论述了国内外学习分析的伦理道德与隐私问题研究现状,从学习分析的五个利益相关者角度论述了伦理道德与隐私问题,并尝试为解决此问题提出相应的原则,以期为使用学习分析技术的研究者提供参考.

摘要： 大量的新技术应用在教育领域使得人们对学习者学习过程中产生的数据进行收集、记录、分析成为可能,而随着技术的不断改革,对学习者的学习分析将会更加细致,由此产生的伦理道德与隐私问题正逐渐引起研究人员的关注.文章论述了国内外学习分析的伦理道德与隐私问题研究现状,从学习分析的五个利益相关者角度论述了伦理道德与隐私问题,并尝试为解决此问题提出相应的原则,以期为使用学习分析技术的研究者提供参考.

摘要： 大量的新技术应用在教育领域使得人们对学习者学习过程中产生的数据进行收集、记录、分析成为可能,而随着技术的不断改革,对学习者的学习分析将会更加细致,由此产生的伦理道德与隐私问题正逐渐引起研究人员的关注.文章论述了国内外学习分析的伦理道德与隐私问题研究现状,从学习分析的五个利益相关者角度论述了伦理道德与隐私问题,并尝试为解决此问题提出相应的原则,以期为使用学习分析技术的研究者提供参考.

摘要： 大量的新技术应用在教育领域使得人们对学习者学习过程中产生的数据进行收集、记录、分析成为可能,而随着技术的不断改革,对学习者的学习分析将会更加细致,由此产生的伦理道德与隐私问题正逐渐引起研究人员的关注.文章论述了国内外学习分析的伦理道德与隐私问题研究现状,从学习分析的五个利益相关者角度论述了伦理道德与隐私问题,并尝试为解决此问题提出相应的原则,以期为使用学习分析技术的研究者提供参考.

摘要： 本文首先介绍了4G时代网络发展带来的安全问题,从隐私安全、资费安全和资源安全三个方面对业务安全工作面临的挑战进行分析,并阐述了相应的保障方式,最终提出了安全问题的解决方案.

摘要： 本文首先介绍了4G时代网络发展带来的安全问题,从隐私安全、资费安全和资源安全三个方面对业务安全工作面临的挑战进行分析,并阐述了相应的保障方式,最终提出了安全问题的解决方案.

摘要： 本文首先介绍了4G时代网络发展带来的安全问题,从隐私安全、资费安全和资源安全三个方面对业务安全工作面临的挑战进行分析,并阐述了相应的保障方式,最终提出了安全问题的解决方案.

摘要： 本发明提供了一种隐私政策中隐私信息提取方法及系统，基于自然语言处理，首先将原始的隐私政策处理成文本，继而对隐私文本进行分段分句，并且使用预训练得到的自然语言处理模型对句子进行词性标注与命名实体识别得到数据对象，最后利用同义词词典与模糊匹配得到归一化的数据对象，再将数据对象映射到对应的隐私信息分类中，得到隐私政策收集的隐私信息的类别，以便于用户、应用市场平台或监管机构了解应用的隐私政策的隐私信息收集情况，帮助他们进行下一步的决策。同时提供了一种相应的终端及介质。本发明利用自然语言处理技术对隐私政策中的隐私信息进行提取，不需人工进行标注，能够实现更加高效、快速、灵活的隐私分析，满足相关行业的需求。

摘要： 本发明提出一种基于隐私泄露评估的隐私信息保护方法及系统，在App通过系统API读取隐私数据时，决定是否拒绝此次操作，适用于所有智能终端。该方法计算App的服务商收集隐私信息的准确度和完整度，从而计算隐私信息的泄露程度；然后衡量撤销App某一权限后带来的服务质量损失；最后根据App运行的上下文环境，进行隐私信息泄露风险管理。本发明在保证App服务质量的同时，使用户的隐私信息得到相应的保护。

摘要： 本发明提供了一种隐私信息检索系统及隐私信息检索方法，该系统包括：查询模块和数据输出服务模块；查询模块，用于获取待查询ID对应的加密向量和哈希值集合，并将加密向量和哈希值集合发送至数据输出服务模块；数据输出服务模块，用于基于哈希值集合获取多个匹配ID，以及获取每个匹配ID对应的加密数据和加盐哈希值集合，并将加密数据和加盐哈希值集合返回至查询模块；查询模块，还用于基于待查询ID的加盐哈希值查找待查询ID对应的加密数据，并将待查询ID对应的加密数据解密后进行输出。本发明能够同时兼顾查询方、数据输出服务方的隐私，同时保证了查询效率。

摘要： 本说明书实施例提供一种训练隐私信息分类模型、识别隐私信息的方法和装置，训练隐私信息分类模型的方法包括：获取预训练的编码器，所述编码器基于数据库中的无标签样本和预设训练目标训练得到，所述预设训练目标包括，使得所述无标签样本中同一字段内数据的表征相似度，大于不同字段间数据的表征相似度；获取具有目标隐私类别标签的训练样本集合；将所述训练样本集合输入所述编码器和其后连接的分类器，根据分类器的预测输出，调整所述编码器和所述分类器，得到训练后的分类模型。能够有效识别数据库中的隐私数据。

摘要： 本发明涉及车辆隐私信息保护系统、车辆隐私信息保护方法、计算机存储介质、计算机设备及车辆。按照本发明一个方面的车辆隐私信息保护系统包括：接口代理模块，其配置成从车辆功能模块接收与隐私信息相关联的请求并转发所述与隐私信息相关联的请求；以及处理模块，其与所述接口代理模块通信地连接并且配置成：响应于接收到所述与隐私信息相关联的请求而确定所述与隐私信息相关联的请求是否满足安全与隐私合规要求；以及将与隐私信息相关联的请求是否满足安全与隐私合规要求的确定结果发送至所述接口代理模块，使得所述接口代理模块基于所述确定结果选择性地发送所述与隐私信息相关联的请求。

摘要： 本发明公开了一种隐私信息保护的方法及隐私信息保护装置。该方法包括：在隐私信息服务进程中注入隐私信息保护程序；所述隐私信息保护程序在识别到第三方应用发出的隐私信息获取请求后，按照预先设置的隐私信息保护策略，处理所述隐私信息获取请求。应用本发明，可以阻止和欺骗第三方应用获取用户隐私信息，有效提升用户隐私信息的安全性。

摘要： 本申请提供一种基于隐私保护计算的金融隐私信息的安全审核方法及装置。该方法应用于电子设备，包括：从预设的第一隐私信息中获取待审核信息；第一隐私信息表示用户预先存储在电子设备的金融隐私信息；对待审核信息进行审核，得到待审核信息的第一审核结果；若第一审核结果为审核通过，则将第一审核结果发送至服务器；第一审核结果用于触发对第二隐私信息进行审核，得到第二审核结果；第二隐私信息表示服务器获取到的金融隐私信息。本申请将一部分金融隐私信息由电子设备审核，避免这些金融隐私信息在向服务器传递过程中泄露。电子设备审核通过后再由服务器进行其他金融隐私信息的审核，实现对金融隐私信息的分步审核，提高审核效率和精度。

摘要： 本发明提供了一种隐私政策中隐私信息提取方法及系统，基于自然语言处理，首先将原始的隐私政策处理成文本，继而对隐私文本进行分段分句，并且使用预训练得到的自然语言处理模型对句子进行词性标注与命名实体识别得到数据对象，最后利用同义词词典与模糊匹配得到归一化的数据对象，再将数据对象映射到对应的隐私信息分类中，得到隐私政策收集的隐私信息的类别，以便于用户、应用市场平台或监管机构了解应用的隐私政策的隐私信息收集情况，帮助他们进行下一步的决策。同时提供了一种相应的终端及介质。本发明利用自然语言处理技术对隐私政策中的隐私信息进行提取，不需人工进行标注，能够实现更加高效、快速、灵活的隐私分析，满足相关行业的需求。

摘要： 本发明提出一种基于隐私泄露评估的隐私信息保护方法及系统，在App通过系统API读取隐私数据时，决定是否拒绝此次操作，适用于所有智能终端。该方法计算App的服务商收集隐私信息的准确度和完整度，从而计算隐私信息的泄露程度；然后衡量撤销App某一权限后带来的服务质量损失；最后根据App运行的上下文环境，进行隐私信息泄露风险管理。本发明在保证App服务质量的同时，使用户的隐私信息得到相应的保护。

摘要： 本发明属于数据安全技术领域，具体为一种基于隐私信息检测的数据隐私性量化评估方法。本发明包括四个步骤：确定隐私实体所属关系、构造隐私实体集、实体集敏感性及可识别性计算、以及数据集隐私性量化评估。本发明利用数据集中检测到的隐私实体基本信息，通过实体之间的文本距离构建隐私实体集，并根据预先定义的隐私实体敏感性与可识别性分值，计算出整个数据集的隐私性量化结果。本发明的优点在于：方法具有良好的普适性，可应用于不同领域的数据集隐私性量化评估；本方法给出的量化结果可以直观展示数据集隐私泄露的严重程度，对于使用同一评估标准的两个不同数据集，可以通过直接比较其量化结果高低从而比较隐私泄露的严重性。