基于演化算法的隐私保护模型开题报告

全文总字数：4624字

1. 研究目的与意义（文献综述）

近年来，随着大数据技术和物联网技术的快速发展，网络数据呈爆炸式增长，而基于数据的服务在给我们的生活带来诸多便利大的同时，也加剧了个人隐私数据泄露的风险。国内外频频发生的用户隐私泄露事件，更是引起了人们对于个人隐私的极大关注。因此，如何能够在保证数据安全的前提下进行各种科学研究已经成为学者们讨论和研究的一个热点话题。此前，虽然已有数据加密，数据扰动，多方安全计算等隐私保护方法被提出，但目前的隐私保护方法分别存在着计算成本高、隐私安全性低等不同的缺陷。

演化算法是一种模拟生物自然选择与自然进化的全局性随机搜索算法，它从选定的初始解出发，通过不断迭代逐步改进当前解，直到最后搜索到最优解或者符合条件的解。在演化计算中，迭代计算过程采用模拟生物体的进化机制，从一组解出发，采用类似于自然选择和有性繁殖的方式，在继承原有良性基因的基础上，生成具有更好性能指标的下一代群体。因其适用于求解高度复杂的非线性问题而得到非常广泛的应用，同时它又具有较好的通用性。以典型的遗传算法为例，已被成功的应用于作业调度、自动控制、人工智能与计算机科学和社会经济等不同领域，解决了许多问题。

目前，已有一些基于演化算法的隐私保护方案被提出，例如[20]中提出了一种利用遗传算法实现的图聚类匿名方法，基于聚类匿名这一典型的社交网络数据发布隐私保护方案，利用遗传算法来求解图聚类这一类np难的组合优化问题，在保护图片隐私的同时，有效保障了图聚类的质量。针对分布式计算框架下海量数据聚类分析过程中的隐私泄露问题，[21]中作者提出了一种spark下支持差分隐私保护的遗传聚类算法。由于传统的位置隐私保护方法只对当前位置和当前时刻的隐私进行考虑，无法应对攻击者得到用户的历史时序位置信息的情况下进行概率推测攻击，[22]中提出了一种基于粒子群优化算法的移动位置隐私保护算法，有效进行了用户移动位置隐私数据的保护。

2. 研究的基本内容与方案

研究内容：

（1）掌握演化算法的流程和原理；

（2）探索基于演化算法的隐私保护模型；

3. 研究计划与安排

1. 2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
2. 2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；
3. 2020/5/1—2020/5/25：撰写及修改毕业论文；
4. 2020/5/26—2020/6/5：准备答辩。

4. 参考文献（12篇以上）

[1] zhang q, li h. moea/d: a multiobjectiveevolutionary algorithm based on decomposition[j]. ieee transactions onevolutionary computation, 2007, 11(6): 712-731.

[2] abraham a, jain l. evolutionarymultiobjective optimization[m]//evolutionary multiobjective optimization.springer, london, 2005: 1-6.

[3] deb k, pratap a, agarwal s, et al. a fastand elitist multiobjective genetic algorithm: nsga-ii [j]. ieee transactions onevolutionary computation, 2002, 6(2): 182-197.