分组随机化隐私保护频繁模式挖掘

已有的隐私保护频繁模式挖掘随机化方法不考虑隐私保护需求差异性,对所有个体运用统一的随机化参数,实施同等的保护,无法满足个体对隐私的偏好.提出基于分组随机化的隐私保护频繁模式挖掘方法（grouping-based randomization for privacy preserving frequent pattern mining,简称GR-PPFM）.该方法根据不同个体的隐私保护要求进行分组,为每一组数据设置不同的隐私保护级别和与之相适应的随机化参数.在合成数据和真实数据中的实验结果表明：相对于统一单参数随机化mask,分组多参数随机化GR-PPFM不仅能够满足不同群体多样化的隐私保护需求,还能在整体隐私保护度相同情况下提高挖掘结果的准确性.     

一种基于前向纠错码的图像DNA加密存储算法

近年来DNA (DeoxyriboNucleic Acid) 存储发展迅速, 实现数字图像DNA存储和安全传输成为有待解决的问题。因此该文提出了一种面向DNA存储的基于前向纠错码的图像加密算法。首先使用动态约瑟夫遍历算法对图像像素点进行行置换和列置换, 以消除明文图像相邻像素之间的相关性。其次, 使用图像分解方法将明文图像分解为8个子图, 然后再重新组合, 实现了对图像像素值的置换, 从而进一步消除明文图像的纹理特征和破坏其统计学特征。再次, 对图像进行全局扩散, 使明文的微小变化以扩散的形式影响密文, 以抵抗差分攻击。最后使用可纠错DNA编码表将图像加密编码为DNA序列, 合成后进行存储。算法将明文图像加密成DNA序列并存储, 这种存储方式与传统存储介质相比更为安全。同时, 可纠错DNA码使得密文可以在DNA存储环境中可靠读取。该文使用3张常用图像包括lena_gray、peppers_gray、baboon_gray, 测试算法的安全性以及在DNA存储环境下的鲁棒性。仿真结果表明, 该方法可以有效抵御多种密码学攻击, 并且在DNA存储环境下对碱基错误和序列缺失等问题表现出良好的鲁棒性。