连续不确定XML数据索引技术研究

针对连续不确定XML数据的概率阈值查询,提出CPTI(Continuous Probabilistic Threshold Index)索引技术,包括CPTI结构索引和CPTI值索引。CPTI结构索引扩展了结构索引F-index支持连续不确定XML数据,通过CPTI结构索引查询twig小枝,并确定小枝的路径概率;CPTI值索引是一个二维表,记录cont类节点的概率信息,通过CPTI值索引过滤与查询无关的元素以减少查询中需要处理的元素数目。实验表明,此索引技术可极大地提高查询处理的性能。     

面向子图匹配的社会网络隐私保护方法

云平台作为存储和处理分析大规模社会网络数据的工具逐渐变为主流,针对大规模社会网络子图匹配隐私保护问题,提出分布式K-自同构社会网络隐私保护算法,保护上传至云平台的社会网络图的结构隐私。通过节点间传递标记信息的方式添加噪声边,使原始图匿名为具有k个对称子图的K-自同构社会网络图。提出分布式的子图匹配方法对上传图进行子图匹配,根据搜索图中节点的选择性对搜索图进行分解得到搜索分解子图;在每个计算节点内进行分布并行的子图匹配得到搜索分解子图匹配结果,将结果连接后得到关于搜索图的匹配结果;在客户端中根据K-自同构社会网络图的对称性和K-自同构函数对得到的子图匹配结果进行恢复和过滤得到正确匹配结果。实验结果表明:分布式K-自同构社会网络隐私保护算法和分布式子图匹配方法在处理大规模社会网络图时具有很高的效率,并且有效解决了隐私泄露问题。     

基于回归分析的三次产业产值研究

在国民经济的研究中,三次产业的产值反映了GDP的大小,预测三次产业的产值对GDP的预测起着至关重要的作用.基于1981年到2012年的统计数据,建立了指数回归模型.研究表明：通过指数回归模型,预测第一、第三产业产值的相对误差小于0.07,该模型对三次产业产值的预测具有很高的使用价值.     

一种非归并不确定XML小枝模式查询算法

针对目前不确定XML小枝模式查询需要存储大量中间结果和归并中间结果的情况,提出一种非归并不确定XML小枝模式查询算法ProTwigList。该算法查询之前通过Tag+Level流进行剪枝,以减少待处理节点的数目;并扩展了区间编码来对剪枝后剩余的普通节点进行编码,用一定规则对分布节点进行标识;查询时采用公共分布节点路径的方法处理分布结点,最后结合最低公共祖先节点的概率计算查询结果的概率值。理论分析和实验结果证明了ProTwigList算法的查询效率。     

基于Pregel的分布式保护节点影响力匿名算法

针对当前图数据规模不断增加,现有匿名算法大多只考虑匿名隐私强度,忽略匿名后节点影响力变化等问题进行了研究。基于Pregel模型提出分布式保护节点影响力的匿名算法（anonymous protecting influence of nodes,APIN）。算法分解社会网络图得到◢k◣-核图,核数代表节点影响力,分裂节点匿名的同时保证原节点核数不变,从而保证节点影响力不变。为了提高APIN算法隐私保护强度,针对社区结构提出保护社区中节点影响力的社会网络匿名算法（anonymous protecting influence of nodes in community,APINC）,基本思想是在社区中实现◢δ◣-shell安全分组,从而达到◢δ◣-核匿名。在真实社会网络数据实验表明,所提出的算法在保持节点影响力的同时很好地保护了图结构性质;最后展望了下一步研究方向。     

PLRD-(k,m):保护链接关系的分布式k-度-m-标签匿名方法*

现有的匿名技术多关注匿名后数据的可用性,忽略了攻击者可以通过多种背景知识进行攻击的问题。此外,随着用户规模的逐年递增,传统的匿名技术已不能满足实际需求。为此,提出一种保护链接关系的分布式匿名方法PLRD-(k,m)(distributed k-degree-m-label anonymity with protecting link relationships)。该方法利用GraphX的消息传递机制,通过将互为N-hop邻居的节点分为一组并进行k-degree匿名和m-标签匿名,保证攻击者无法通过度和标签识别出目标并保护链接关系不被泄露。最后,扩展了PLRD-(k,m)方法,提出一种个性化匿名方法以满足用户不同的需求。基于真实社会网络数据集的实验结果表明,提出的方法不仅能提高处理大规模社会网络的执行效率,同时具有很好的数据可用性。     

D-VSSP:分布式社会网络隐私保护算法

针对传统社会网络隐私保护技术对大规模社会网络数据处理效率较低的问题,提出一种分布式结点分裂匿名社会网络隐私保护算法(Distributed-Vertex Splitting Social Network Privacy Preserving,D-VSSP)。D-VSSP算法利用MapReduce和Pregel-like分布式计算模型处理社会网络图数据。首先基于MapReduce分布式计算模型对大图中的结点的标签信息进行标签平凡化、标签平凡化分组和精确分组处理;然后基于Pregel-like的消息传递机制,选举结点分裂,进行分布式结点分裂匿名。实验结果表明,在 对大规模社会网络数据的处理效率上, D-VSSP算法优于传统算法。