保护隐私的近似凸包算法.ppt

研究内容-三维凸包 三维凸包体积为V,近似凸包体积为V’，相似度 同样引入参考点的概念，但是为了提高计算效率，只使用两个参考点。 保护隐私的近似凸包算法 * 参考点 * 研究内容-三维凸包 协议过程： 保护隐私的近似凸包算法 * * 研究内容-三维凸包 保护隐私的近似凸包算法 * * 使用秘密比较协议 研究内容-三维凸包 图形演示： 保护隐私的近似凸包算法 * * 研究内容-三维凸包 保护隐私的近似凸包算法 * 保护隐私的几何安全多方计算算法研究 近似三维凸包内部剖面图 * 研究内容-三维凸包 近似三维凸包结果图示 * 保护隐私的近似凸包算法 * 研究内容-三维凸包 保护隐私的近似凸包算法 * * 研究内容-三维凸包 实验结果统计 1. * 保护隐私的近似凸包算法 t* n 1.25 1.50 1.75 2.00 2.25 10 12 12 12 12 12 20 14 14 14 14 14 40 16 16 17 17 17 60 17 18 18 19 19 80 18 19 20 20 20 100 18 20 20 21 22 200 20 23 23 25 25 400 23 26 27 28 29 600 24 27 30 31 32 800 25 29 31 33 34 1000 27 30 33 35 36 *t=R/r, r=100 近似凸包顶点与凸包内点的个数关系 平均计算复杂度：最坏计算复杂度： 凸包计算的下界为O(nlogn) * 研究内容-三维凸包 实验结果统计 2. * 保护隐私的近似凸包算法 近似凸包顶与原始凸包的相似度分析 t* n 1.25 1.50 1.75 2.00 2.25 10 0.683 0.665 0.633 0.604 0.565 20 0.792 0.760 0.722 0.697 0.650 40 0.843 0.815 0.795 0.768 0.719 60 0.867 0.852 0.823 0.797 0.751 80 0.875 0.861 0.837 0.811 0.789 100 0.878 0.867 0.846 0.828 0.805 200 0.886 0.891 0.873 0.853 0.829 400 0.882 0.898 0.891 0.872 0.851 600 0.878 0.903 0.895 0.879 0.859 800 0.876 0.905 0.900 0.884 0.863 1000 0.872 0.906 0.902 0.886 0.867 *t=R/r, r=100 * 研究内容-三维凸包 切去参考点后的结果 * 保护隐私的近似凸包算法 * 大研总结 两篇已经被EI检索的 国际会议录用的论文： [1] Dong Li, Liusheng Huang, Wei Yang, Youwen Zhu, Yonglong Luo, Lingjun Li, Zhili Chen. A Practical Solution for Privacy-preserving Approximate Convex Hulls Problem. Proc. 2009 International Conference on Communications and Mobile Computing. Accepted. [2] Dong Li, Liusheng Huang, Wei Yang, Youwen Zhu, Yonglong Luo, Zhili Chen, Lingjun Li, Yun ye. A Practical Three-dimensional Privacy-preserving Approximate Convex Hulls Protocol. FCST2008. Accepted. * 保护隐私的近似凸包算法 * 大研总结 下一步的工作内容 把相似度和参考点的数目，距离等参数之间的关系定量表示出来。 定义相似度和安全性的定量关系。 对于不同的安全需求定义相应的相似度。 * 保护隐私的近似凸包算法 * 大研总结 学会了调研文献，获得了论文写作的一些经验。 与同学和学长合作讨论问题受益匪浅。 学会了用Latex编辑论文。 通过实验提高了程序设计能力。 进一步熟悉了用Maple作图。 * 保护隐私的近似凸包算法 * * * 保护隐私的近似凸包算法 保护隐私的近似凸包算法 保护隐私的近似凸包算法 保护隐私的近似凸包算法 保护隐私的近似凸包算法 保护隐私的近似凸包算法 保护隐私