普適計算環境下cbr的隱私策略的生成方法及系統的製作方法

2023-09-10 05:11:25

專利名稱：普適計算環境下cbr的隱私策略的生成方法及系統的製作方法
技術領域：
本發明涉及信息安全領域，尤其涉及一種普適計算環境下CBR (基於案例推理)的隱私策略的生成方法及系統。
背景技術：
普適計算具有前所未有的複雜性和多樣性，國內外普適計算研究領域的研究內容、研究角度、研究層次呈現多樣性。在物聯網和移動網際網路眾多的研究內容中，普適計算環境中的隱私保護問題是最難研究的內容之一。這是因為普適計算的隱私不是一個絕對的概念，對隱私的研究不僅涉及到技術層面，而且與社會、法律和經濟等非技術因素有關係。目前，國內外對普適計算隱私保護的研究，總體上表現為缺乏系統性和統一性，研究的角度和思路各異，研究的層次深淺不一，而且多數為針對具體應用問題展開研究，例如基於位置服務的普適計算應用。然而，普適計算為人們提供這種無所不在的便利性計算服務的同時，也引發出了一些新的問題，其中最主要之一就是個人隱私洩漏。隱私信息洩漏的種類有多種，比如用於存儲隱私信息的資料庫遭到攻擊，在網上購物的消費記錄被網站出售，或者是由於信用卡公司的疏忽洩漏了用戶的婚姻狀況、收入水平等信息等等，也使人們的個人隱私信息的面臨新的挑戰。因此近幾年來，隱私保護技術已經成為一種新興的信息安全技術，引起了許多學者和研究機構的重視。現有的隱私保護技術主要有兩種不同的方法，一種是數據隱藏的方法來保護隱私信息，另一種是基於密碼學的隱私信息保護。但是，傳統的密碼理論技術不能很好地解決普適計算環境的需求。綜上所示，現有技術中缺少基於普適計算的用戶隱私保護問題的有效解決方案。

發明內容
為解決上述問題，本發明的主要目的在於提供一種普適計算環境下基於案例推理的隱私策略的生成方法及系統，其中根據本發明實施例的普適計算環境下基於案例推理的隱私策略的生成方法包括對於待保護的用戶隱私，提取用戶的上下文信息作為特徵值；在預先建立的隱私策略案例庫中根據特徵值進行檢索，得到初始化隱私策略；對初始化隱私策略進行修正，生成可執行的隱私策略。其中，將可執行的隱私策略學習到隱私策略案例庫。其中，隱私策略案例庫中的案例使用特徵值進行特徵表達，並按照基於案例索引的分層結構進行存儲。其中，在預先建立的隱私策略案例庫中根據特徵值進行檢索，得到初始化隱私策略包括確定特徵值的索引分類；在隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略。
其中，在隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略包括若在隱私策略案例庫中檢索到與特徵值相匹配的一個隱私策略案例，則該隱私策略案例為初始化隱私策略；若在隱私策略案例庫中檢索到與特徵值相匹配的多個隱私策略案例，則從多個隱私策略案例選擇相似特徵值對多的案例作為初始化隱私策略；或提供用戶界面，並通過該用戶界面接收用戶在多個隱私策略案例中選擇的其中之一。其中，對初始化隱私策略進行修正進一步包括通過預先設置的模糊策略對初始化隱私策略自動進行修正；或提供用戶界面，並通過該用戶界面接收來自用戶的對初始化隱私策略進行修正。其中，用戶的上下文進一步包括用戶的靜態上下文和用戶的動態上下文；用戶的靜態上下文，包括以下至少之一用戶的個人信息、用戶的社會和組織關係、用戶的時間段設置；用戶的動態上下文，包括以下至少之一用戶的當前狀態，用戶的當前活動。根據本發明實施例的普適計算環境下基於案例推理的隱私策略的生成系統包括提取模塊，用於提取待保護的用戶隱私的用戶的上下文信息作為特徵值；檢索模塊，用於在預先建立的隱私策略案例庫中根據特徵值進行檢索，得到初始化隱私策略；生成模塊，用於對檢索模塊檢索得到的初始化隱私策略進行修正，生成可執行的隱私策略。其中，該系統還包括學習模塊，用於將生成模塊生成的可執行的隱私策略學習到隱私策略案例庫。其中，隱私策略案例庫中的案例使用特徵值進行特徵表達，並按照基於案例索引的分層結構進行存儲。其中，檢索模塊進一步包括索引分類確定模塊，用於確定特徵值的索引分類；索引分類檢索模塊，用於在隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略。其中，索引分類檢索模塊進一步用於若在隱私策略案例庫中檢索到與特徵值相匹配的一個隱私策略案例，則該隱私策略案例為初始化隱私策略；若在隱私策略案例庫中檢索到與特徵值相匹配的多個隱私策略案例，則從多個隱私策略案例選擇相似特徵值對多的案例作為初始化隱私策略；或提供用戶界面，並通過該用戶界面接收用戶在多個隱私策略案例中選擇的其中之其中，生成模塊進一步包括自動修正模塊，用於通過預先設置的模糊策略對初始化隱私策略自動進行修正；人工修正模塊，用於通過提供的用戶界面接收來自用戶的對初始化隱私策略進行修正。其中，用戶的上下文進一步包括用戶的靜態上下文和用戶的動態上下文用戶的靜態上下文，包括以下至少之一用戶的個人信息、用戶的社會和組織關係、用戶的時間段設置；用戶的動態上下文，包括以下至少之一用戶的當前狀態，用戶的當前活動。根據本發明的上述技術方案，通過基於普適計算的應用環境、以及基於案例推理生成隱私保護策略，在生成過程中，同時考慮用戶上下文信息，該策略生成方式具有一定的學習能力，並可以通過模糊策略的自動修正和用戶修正的方式進行反饋，更好的表達用戶隱私偏好和適應緊急情況。生成的隱私保護策略可以應用於隱私策略應用框架以實現具體的隱私保護。


此處所說明的附圖用來提供對本發明的進一步理解，構成本申請的一部分，本發明的示意性實施例及其說明用於解釋本發明，並不構成對本發明的不當限定。在附圖中圖1是本發明實施例的CBR流程的示意圖；圖2是本發明實施例的基於上下文和CBR的隱私策略學習模型的示意圖；圖3是本發明實施例的方法流程圖；圖4是本發明實施例的隱私策略案例庫的索引結構的示意圖；圖5是本發明實施例的基於jCOLIBRI的CBR流程示意圖；圖6是本發明實施例的People Finder的系統結構的示意圖；圖7是根據本發明實施例的隱私策略應用框架的示意圖；圖8和圖9是本發明實施例的系統框圖。
具體實施例方式為使本發明的目的、技術方案和優點更加清楚，以下結合附圖及具體實施例，對本發明作進一步地詳細說明。根據本發明的實施例，提供了一種普適計算環境下基於案例推理的隱私策略的生成方法。首先，對本發明涉及到的一些概念進行簡單說明。本發明使用基於案例的推理(Case-Based Reasoning，簡稱CBR)技術，CBR是由目標案例的提示而得到歷史記憶中的源案例、並由源案例來指導目標案例求解的一種策略。CBR基於經驗知識進行推理，它是用案例來表達知識並把問題求解和學習相融合的一種推理方法，它強調人在解決新問題時，常常回憶起過去積累下來的類似情況的處理，並通過適當修改過去類似情況處理的方法來解決新問題。CBR的流程請參考圖1，如圖1所示，CBR的關鍵實現技術包括案例的表示，案例庫的管理(案例的組織與存儲、修正、保留)，以及案例的檢索與匹配。CBR技術的特點主要體現在以下幾個方面(I)CBR屬於類比推理，通過適應性修改可以形成與舊案例處理方式不同的創新解答;(2)從存儲結構看，CBR的知識以案例的形式存儲在案例庫中；(3)對於求解問題，CBR根據輸入特徵來匹配案例庫中案例；(4) CBR主要適用於經驗豐富的應用領域。在CBR系統中，在給定輸入說明的情況下，CBR系統檢索案例庫，以搜索一個匹配輸入特徵的現有案例，檢索結果分為兩種情況檢索到完全匹配輸入特徵的案例，從而直接得到問題的解答，使複雜問題得以快速解決；或者檢索到一個與輸入特徵相似的案例或案例集，CBR系統或者用戶可以對不相匹配的部分做出修正，從而得到一個新的案例，將此新案例添加到案例庫中，就可以使系統具有學習能力。 接下來參考圖2，圖2是根據本發明實施例的基於上下文和CBR的隱私策略學習模型，本發明通過綜合應用上下文和案例，能夠實現隱私策略的初始化和學習。首先，將每個隱私策略看成一個案例，將用戶已經制定並可執行的隱私策略抽象並存儲到案例庫中；然後，利用用戶的上下文信息來確定匹配案例所需的新案例的特徵值，從案例庫中檢索一個最佳的隱私策略，作為隱私策略管理接口的初始隱私策略；最後，經過用戶對初始策略的調整，得到可以執行的隱私策略，將其輸入案例庫中，完成隱私策略的學習過程。參考圖3，圖3是本發明實施例的方法流程圖，該方法包括步驟S302，對於待保護的用戶隱私，提取用戶的上下文信息作為特徵值；步驟S304，在預先建立的隱私策略案例庫中根據特徵值進行檢索，得到初始化隱私策略；步驟S306，對初始化隱私策略進行修正，生成可執行的隱私策略。下面詳細描述上述各處理的細節。一、步驟 S302本發明中提到的用戶的上下文(Context)可以看作是一種包含個人知識的信息倉庫，其中包括靜態上下文和動態上下文。(一)、用戶的靜態上下文是對用戶基本情況的描述，一般不會隨著時間而變化。在隱私策略的制定、推理和學習過程中，靜態上下文信息起著關鍵作用，例如可以用來為策略原語賦值。與隱私策略及其推理密切相關的用戶靜態上下文包括以下幾類(I)用戶的個人信息(profile)。其主要包括用戶姓名、電子郵件、通訊方式、電話號碼等信息，這些信息主要用來標識用戶的身份，在隱私策略原語中，用戶個人信息用來標識隱私客體擁有者的身份。(2)用戶的社會和組織關係。在用戶知識倉庫中，應該包含描述用戶所擁有的社會和組織關係的信息，這對於隱私策略的制定和自動學習，是非常重要的。例如，用戶的社會關係可以分為朋友、同學、家人和陌生人等，用戶的組織關係可以分為同事、領導、下屬等，按照用戶的社會和組織關係，將請求者分為若干個用戶組(user group)，是這類上下文信息的主要邏輯組織方式。在用戶上下文中，用戶的社會和組織關係信息，即請求者分組信息，對於隱私策略基於上下文的動態制定以及基於案例的策略學習很有作用。例如，在隱私策略制定用戶界面(UI)上，系統也許為用戶只提供朋友、同事和陌生人這三個社會關係選項，當用戶上下文中增加配偶和家人這兩個社會關係用戶組後，系統能夠自動地將其增加到用戶界面中，從而使系統逐漸地獲取到更加精細的隱私策略。(3)用戶的時間段設置。在用戶的上下文中，可以包含一些邏輯上的周期性時間段，即按照用戶的日常工作和生活，規定隱私客體可以被訪問的時間段。例如，可以區分工作日和休息日，工作日又可以劃分時間段。(二)、用戶的動態上下文反映了用戶隨著時間的變化而表現為不同的狀態或位於不同的地理位置等。通過上下文感知計算技術，系統可以實時地獲得用戶的動態上下文，這是普適計算應用的特點。將這些信息存儲到用戶的知識倉庫中，可以用來實現動態的隱私保護機制。例如，當用戶參加私人活動時，一般不希望其社會關係或組織關係用戶組中的成員查詢其實時位置信息，為了制定這樣的即時隱私策略，系統就要充分應用用戶的動態上下文信息。從普適計算隱私策略的角度看，用戶的動態上下文主要包括兩類一個是用戶的當前狀態，另一個是用戶的當前活動。這兩類上下文信息，可以作為隱私策略執行的約束條件。根據用戶的上下文信息來確定匹配案例所需的新案例的特徵值，例如用戶姓名、社會和組織關係、用戶位置信息等，為下一步的檢索做準備。二、步驟 S304
(一)、隱私策略案例的抽象表達。如何在案例庫中表達隱私策略案例，是隱私策略學習的關鍵，既要考慮策略的表達能力，還要考慮所形成的案例要方便基於案例的推理決策。在本發明中，如何在案例庫中表達隱私策略案例是隱私策略學習的關鍵，既要考慮策略的表達能力，還要考慮所形成的案例要方便基於案例的推理決策。因此，案例庫的創建和維護是本發明的比較重要的內容，案例庫中存儲的案例，需要利於檢索；但是，隨著使用頻率的增加，案例庫的容量會越來越大，因此，需要在案例庫中使用標準的格式表達案例以利於檢索，案例表達主要包括以下兩方面內容I、問題描述。對於一個要通過基於案例的推理來解決的隱私問題(或場景)，例如，在本文中，形成一個最符合用戶當前上下文的隱私策略，需要首先通過提取出問題的特徵，對其形成一個完整的問題描述。問題描述決定了案例的數據結構以及案例的設計策略。一個案例具有如下的特點(I)以若干個問題特徵來描述一個問題；(2)每個問題描述應該包含一個明確的解決方案；(3)問題特徵可以有各種表現形式(文本、數值、圖片等)。本發明根據隱私策略原語，給出如表I所示的關於隱私策略案例的問題及解的描述。表I
權利要求
1.一種普適計算環境下基於案例推理的隱私策略的生成方法，其特徵在於，包括 對於待保護的用戶隱私，提取用戶的上下文信息作為特徵值； 在預先建立的隱私策略案例庫中根據所述特徵值進行檢索，得到初始化隱私策略； 對所述初始化隱私策略進行修正，生成可執行的隱私策略。
2.根據權利要求I所述的方法，其特徵在於，將所述可執行的隱私策略學習到所述隱私策略案例庫。
3.根據權利要求I或2所述的方法，其特徵在於，所述隱私策略案例庫中的案例使用特徵值進行特徵表達，並按照基於案例索引的分層結構進行存儲。
4.根據權利要求3所述的方法，其特徵在於，所述在預先建立的隱私策略案例庫中根據所述特徵值進行檢索，得到初始化隱私策略，包括 確定所述特徵值的索引分類； 在所述隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略。
5.根據權利要求4所述的方法，其特徵在於，在所述隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略，包括 若在所述隱私策略案例庫中檢索到與所述特徵值相匹配的一個隱私策略案例，則該隱私策略案例為初始化隱私策略； 若在所述隱私策略案例庫中檢索到與所述特徵值相匹配的多個隱私策略案例，則從所述多個隱私策略案例選擇相似特徵值對多的案例作為初始化隱私策略；或提供用戶界面，並通過該用戶界面接收用戶在所述多個隱私策略案例中選擇的其中之一。
6.根據權利要求I所述的方法，其特徵在於，對所述初始化隱私策略進行修正進一步包括 通過預先設置的模糊策略對所述初始化隱私策略自動進行修正；或 提供用戶界面，並通過該用戶界面接收來自用戶的對所述初始化隱私策略進行修正。
7.根據權利要求I所述的方法，其特徵在於，所述用戶的上下文進一步包括 用戶的靜態上下文和用戶的動態上下文； 所述用戶的靜態上下文，包括以下至少之一用戶的個人信息、用戶的社會和組織關係、用戶的時間段設置； 所述用戶的動態上下文，包括以下至少之一用戶的當前狀態，用戶的當前活動。
8.—種普適計算環境下基於案例推理的隱私策略的生成系統，其特徵在於，包括 提取模塊，用於提取待保護的用戶隱私的用戶的上下文信息作為特徵值； 檢索模塊，用於在預先建立的隱私策略案例庫中根據所述特徵值進行檢索，得到初始化隱私策略； 生成模塊，用於對所述檢索模塊檢索得到的初始化隱私策略進行修正，生成可執行的隱私策略。
9.根據權利要求8所述的系統，其特徵在於，還包括 學習模塊，用於將所述生成模塊生成的可執行的隱私策略學習到所述隱私策略案例庫。
10.根據權利要求8或9所述的系統，其特徵在於，所述隱私策略案例庫中的案例使用特徵值進行特徵表達，並按照基於案例索引的分層結構進行存儲。
11.根據權利要求10所述的系統，其特徵在於，所述檢索模塊進一步包括 索引分類確定模塊，用於確定所述特徵值的索引分類； 索引分類檢索模塊，用於在所述隱私策略案例庫中根據索引分類進行檢索，得到初始化隱私策略。
12.根據權利要求11所述的系統，其特徵在於，所述索引分類檢索模塊進一步用於 若在所述隱私策略案例庫中檢索到與所述特徵值相匹配的一個隱私策略案例，則該隱私策略案例為初始化隱私策略； 若在所述隱私策略案例庫中檢索到與所述特徵值相匹配的多個隱私策略案例，則從所述多個隱私策略案例選擇相似特徵值對多的案例作為初始化隱私策略；或提供用戶界面，並通過該用戶界面接收用戶在所述多個隱私策略案例中選擇的其中之一。
13.根據權利要求8所述的系統，其特徵在於，所述生成模塊進一步包括 自動修正模塊，用於通過預先設置的模糊策略對所述初始化隱私策略自動進行修正；人工修正模塊，用於通過提供的用戶界面接收來自用戶的對所述初始化隱私策略進行修正。
14.根據權利要求8所述的系統，其特徵在於，所述用戶的上下文進一步包括 用戶的靜態上下文和用戶的動態上下文 所述用戶的靜態上下文，包括以下至少之一用戶的個人信息、用戶的社會和組織關係、用戶的時間段設置； 所述用戶的動態上下文，包括以下至少之一用戶的當前狀態，用戶的當前活動。
全文摘要
本發明公開了一種普適計算環境下基於案例推理的隱私策略的生成方法及系統，其中該方法包括對於待保護的用戶隱私，提取用戶的上下文信息作為特徵值；在預先建立的隱私策略案例庫中根據特徵值進行檢索，得到初始化隱私策略；對初始化隱私策略進行修正，生成可執行的隱私策略。本發明綜合考慮用戶上下文信息，能夠更好地反應用戶的隱私偏好。
文檔編號G06F21/60GK102982286SQ20111026237
公開日2013年3月20日 申請日期2011年9月6日 優先權日2011年9月6日
發明者喻子達, 王襲, 趙向陽, 安娜 申請人:海爾集團公司, 海爾集團技術研發中心