Web信息可信性及用户隐私保护问题研究.pdf

摘 要 随着网络与通信技术的飞速发展，Web 逐渐深入人们生活的各个方面，用 户与 Web 的信息交互越来越频繁，交互信息量剧增。用户与Web 的信息交互过 程主要包括两方面：一方面作为信息消费者从 Web 上获取信息，另一方面作为 信息生产者向Web 上发布信息。本文针对用户与Web 进行信息交互的两个过程， 提出了两个具有实际意义的关键性问题：（1）在用户获取信息过程中的Web 信 息可信度评价问题；（2 ）在用户发布信息过程中的用户隐私保护问题。针对这 两个问题，本文提出了具有创新性的解决方法。 首先，在用户获取信息的过程中，Web 信息的可信性问题在 Web 各个领域 均广泛存在，并关系到用户的切身利益，因此，Web 信息可信度的评价日益成 为一个受到研究者广泛关注的重要研究问题。本文对 Web 信息可信性问题的研 究现状进行系统而详细的调研，总结了目前最常用的几类 Web 信息可信度评估 计算方法，分析比较它们的适用环境与各自优势，并在此基础上提出了 Web 信 息可信度评估框架，对其中的关键性问题进行了论述，分析了 Web 信息可信性 研究未来需要关注的问题及可开展的研究工作。而且，本文针对 Deep Web 信息 可信度评价相关工作较少的研究空白，提出了一种为 Deep Web 数据记录计算可 信度的创新性方法：C-Rank 。该方法为每条数据记录构造一个 S-R 可信度网络， 并基于可信度传播机制为 S-R 网络的每个顶点计算局部可信度值，继而求得该 记录的全局可信度值。实验证明，C-Rank 方法能够合理而有效地评价 Deep Web 数据记录的可信度，且具有通用性，易于扩展到 Deep Web 其它领域。 其次，在用户发布信息的过程中，本文首次明确提出了其可能面临的一种 新型隐私泄露问题——基于搜索引擎的用户隐私挖掘攻击。本文对该问题进行 了明确的定义，并对这类隐私攻击的核心过程进行概括阐述，建立了隐私攻击 模型。针对基于搜索引擎的用户隐私挖掘攻击的特点，本文提出了一种基于图 最优选择的隐私泄露自动探测服务。该服务可由一个寻找身份信息顶点与隐私 敏感信息顶点之间具有最大连通概率值的隐私挖掘路径的决定性问题来描述。 经过两步归约，我们最终将该问题归约到 3-SAT 问题，证明了该问题是一个NP 完全问题。本文提出了一种近似算法，综合考虑影响因素空间中对于顶点是否 属于该用户的可能性值影响最大的两个因素：（1）基于属性值集合的熵值；（2 ） 1 基于新获取数据项与查询关键字之间的平均距离，为顶点计算属于该用户的可 能性值，进而使用贪心算法的思想，最终得到一条从身份信息顶点到隐私信息 顶点连通概率值最大的隐私挖掘路径。经过有效性与合理性实验证明，该近似 算法求得的隐私挖掘路径基本符合实际最优情况，且概率值计算合理。 关键词：Web 信息可信性；隐私保护； Deep Web； NP完全问题 2 Abstract With the rapid development of network and communication technology, Web gradually penetrates into all aspects of people’s lives. Users interact with the Web for information more frequently, and the amount of mutual information increases dramatically. The information interaction between users and Web mainly consists of two aspects