2018 年 12 月 Journal on Communications December 2018
2018286-1
第 39 卷第 12 期 通 信 学 报 Vol.39
No.12
基于 Shannon 信息熵与 BP 神经网络的
隐私数据度量与分级模型
俞艺涵，付钰，吴晓平
（海军工程大学信息安全系，湖北 武汉 430033）
摘 要：针对当前网络环境下由隐私数据识别困难问题所引出的隐私度量与分级需求，提出了一种基于 Shannon
信息熵与 BP 神经网络的隐私数据度量与分级模型。该模型从 3 个维度建立了两层隐私度量要素，基于数据集本
身，利用 Shannon 信息熵为二级隐私要素定权，并由此计算数据集中各条记录在一级隐私度量要素下的隐私量；
利用 BP 神经网络在不预设度量权值的情况下，输出隐私数据分级结果。实验表明，该模型能够在极低的误判率
和较小的误判偏差下实现对隐私数据的度量与分级。
关键词：隐私安全；信息熵；BP 神经网络；隐私度量
中图分类号：TP301
文献标识码：A
doi: 10.11959/j.issn.1000-436x.2018286
Metric and classification model for privacy data based on
Shannon information entropy and BP neural network
YU Yihan, FU Yu, WU Xiaoping
Naval University of Engineering, Wuhan 430033, China
Abstract: Aiming at the requirements of privacy metric and classification for the difficulty of private data identification
in current network environment, a privacy data metric and classification model based on Shannon information entropy
and BP neural network was proposed. The model establishes two layers of privacy metrics from three dimensions. Based
on the dataset itself, Shannon information entropy was used to weight the secondary privacy elements, and the privacy of
each record in the dataset under the first-level privacy metrics was calculated. The trained BP neural network was used to
output the classification result of privacy data without pre-determining the metric weight. Experiments show that the
model can measure and classify private data with low false rate and small misjudged deviation.
Key words: privacy security, information entropy, BP neural network, privacy metrics
1 引言
当前，移动互联网、大数据计算平台等信息产
业的飞速发展给人们生活带来了极大便利，众多服
务型互联网产业应运而生。这些产业在为用户提供
服务的同时，海量的数据信息在期间流转。以网络
约车平台为例，用户的个人信息、行程信息、司机
信息、车辆信息等数据在用户、平台和司机之间不
断交互，交互的过程中数据往往以满足服务为首要
目的进行呈现，而数据安全常常被忽略。而在海量
数据信息流转间又往往蕴含着巨大的信息价值，其
中不缺乏涉及与隐私相关的数据信息
[1]
，即使仅仅
是网络约车平台上的一则简单评论都可能造成用
户个人隐私的泄露，如何保证这类数据中隐私信息
收稿日期：2018–05–25；修回日期：2018–08–01
基金项目：国家自然科学基金资助项目（No.61100042）；国家社会科学基金资助项目（No.15GJ003-201）
Foundation Items: The National Natural Science Foundation of China (No.61100042), The National Social Science Foundatio
n
of China (No.15GJ003-201)
剩余7页未读，继续阅读
资源评论
