1、在一些開放性較強(qiáng)的用戶平臺(tái)如社交網(wǎng)絡(luò)、微博平臺(tái)等，用戶數(shù)據(jù)往往是公開的，任何注冊(cè)用戶甚至匿名用戶都可以直接查看這些數(shù)據(jù)，如果不采取一定的措施來(lái)防止?jié)撛诘碾[私泄露，將會(huì)造成敏感數(shù)據(jù)的泄露，從而危害到數(shù)據(jù)的發(fā)布者甚至整個(gè)平臺(tái)。在已有的隱私攻擊方法中，防止推理攻擊而造成的間接性隱私泄露一直是隱私保護(hù)領(lǐng)域的研究重點(diǎn)，但是已有的技術(shù)又存在兩大問(wèn)題:第一，只能檢測(cè)出K-匿名中K=1的隱私泄露情況，隱私保護(hù)的控制粒度過(guò)小，且需要耗費(fèi)較大的系統(tǒng)資源來(lái)維

2、護(hù)整個(gè)查詢歷史及其結(jié)果，無(wú)法同時(shí)保證檢測(cè)代價(jià)的最小化和查詢響應(yīng)的低延遲;第二，由于泛化問(wèn)題是N-P難問(wèn)題，對(duì)存在隱私泄露的數(shù)據(jù)表進(jìn)行全局泛化，已有的基于K-匿名的算法泛化代價(jià)過(guò)大。
　　 對(duì)于推理攻擊的隱私保護(hù)問(wèn)題，本文主要從兩方面去研究:一是對(duì)用戶查詢結(jié)果進(jìn)行檢測(cè)，判斷其是否可以與歷史記錄鏈接從而導(dǎo)致隱私泄露;二是根據(jù)檢測(cè)結(jié)果對(duì)造成隱私安全問(wèn)題的查詢結(jié)果進(jìn)行局部泛化。
　　 針對(duì)用戶查詢結(jié)果進(jìn)行檢測(cè)這方面，本文提出了一

3、種海量查詢下基于K-匿名的隱私泄露檢測(cè)算法(K-Q)。K-Q算法通過(guò)設(shè)定的K值對(duì)當(dāng)前查詢結(jié)果和歷史查詢結(jié)果的分析和推導(dǎo)，來(lái)判斷當(dāng)前查詢是否存在隱私泄露的可能，保證較高的隱私泄露檢測(cè)率。面對(duì)推理檢測(cè)需要的所有歷史查詢結(jié)果的數(shù)據(jù)規(guī)模較大這一問(wèn)題，它結(jié)合K-匿名模型在歷史查詢結(jié)果的存儲(chǔ)規(guī)模上進(jìn)行了優(yōu)化。K-Q算法使用圖狀結(jié)構(gòu)KGraph來(lái)維護(hù)歷史查詢結(jié)點(diǎn)之間的關(guān)系，能夠及時(shí)對(duì)當(dāng)前查詢的輸出和所有相關(guān)歷史查詢輸出進(jìn)行聯(lián)合計(jì)算，提高了檢測(cè)速率和降

4、低了查詢響應(yīng)的延遲，同時(shí)保證了隱私保護(hù)級(jí)別的可控性。實(shí)驗(yàn)表明，K-Q算法計(jì)算效率明顯優(yōu)于已有的直接基于相關(guān)元組合并優(yōu)化的推理檢測(cè)算法(T-D)，且可以自適應(yīng)于查詢規(guī)模的增長(zhǎng)。
　　 針對(duì)K-Q算法檢測(cè)出的導(dǎo)致隱私泄露的查詢結(jié)果，本文提出了一種新的泛化算法(G-Q)。它摒棄了K-匿名的全局泛化思想，只對(duì)當(dāng)前查詢輸出中能夠與已有的發(fā)布數(shù)據(jù)進(jìn)行聯(lián)合分析導(dǎo)致隱私泄露的屬性進(jìn)行局部泛化。G-Q算法依據(jù)K-Q算法中設(shè)定的K值來(lái)判斷需要泛化的