物聯(lián)網(wǎng)數(shù)據(jù)安全可信的共享技術研究

定　價：￥49.00

作　者：	牛超越著
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111714347	出版時間：	2022-12-01	包裝：	平裝-膠訂
開本：	32開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《物聯(lián)網(wǎng)數(shù)據(jù)安全可信的共享技術研究》由上海交通大學博士后牛超越撰寫，內(nèi)容榮獲2021年度CCF優(yōu)秀博士學位論文獎。作者以當前普遍存在的“數(shù)據(jù)孤島”現(xiàn)象為切入點，力求突破制約大數(shù)據(jù)發(fā)展的關鍵瓶頸。全書從數(shù)據(jù)共享多個參與方的安全隱私和效用需求出發(fā)，充分考慮物聯(lián)網(wǎng)數(shù)據(jù)的大規(guī)模性、關聯(lián)性、異質(zhì)性和經(jīng)濟化屬性，以及海量異構(gòu)終端設備的資源受限和間歇可用，分別研究分析了推理服務交易和終端間聯(lián)合學習，使得多方差異化需求得到精準刻畫、充分滿足和高效驗證?！段锫?lián)網(wǎng)數(shù)據(jù)安全可信的共享技術研究》共六章：第1章緒論，主要介紹了全書的研究背景、研究意義，開展研究涉及的關鍵科學問題，以及全書的研究內(nèi)容和研究做出的貢獻，并向讀者介紹了全書的組織結(jié)構(gòu)。第2章相關研究工作，主要介紹了和本書關注點相關的一些研究工作，包括數(shù)據(jù)交易、可驗證計算、安全模型推理和終端間聯(lián)合學習。第3章感知數(shù)據(jù)分析服務中隱私補償及查詢定價機制，主要介紹了開展本章研究的技術準備工作、交易機制的設計，并進行了實驗評估。第4章模型推理服務中隱私可保護的批量結(jié)果驗證協(xié)議，主要介紹了開展本章研究的技術準備工作、問題建模、設計原理，講解了底層理論協(xié)議設計、頂層應用協(xié)議設計，并進行了實驗評估。第5章超大規(guī)模終端間聯(lián)合子模型學習方法及隱私保護機制，主要介紹了開展本章研究的技術準備工作，講解了協(xié)議設計的原理和細節(jié)，分析了安全隱私和復雜度，并進行了實驗評估。第6章總結(jié)與展望，總結(jié)了全書的研究工作和成果，并對后續(xù)的研究方向及內(nèi)容進行了規(guī)劃與展望。

作者簡介

　　牛超越，上海交通大學博士后，研究興趣主要包括數(shù)據(jù)共享與交易、端云協(xié)同學習、推薦系統(tǒng)、隱私保護等。以第yi作者或通訊作者身份在USENIX OSDI、ACM MobiCom、 ACM KDD等高水平會議和IEEE TDSC、IEEE TKDE等權威期刊上發(fā)表論文10余篇。相關研究成果已應用于阿里巴巴手機淘寶的重要業(yè)務場景。已申請專利10項，其中4項已授權。曾獲2021年度CCF優(yōu)秀博士學位論文獎、上海交通大學研究生“學術之星”、阿里巴巴集團學術合作優(yōu)秀實習生等榮譽。

圖書目錄

第1章緒論
1.1 研究背景與意義 1
1.2 關鍵科學問題 4
1.3 研究內(nèi)容與貢獻 8
1.4 本書組織結(jié)構(gòu) 17
第2章相關研究工作
2.1 數(shù)據(jù)交易 20
2.2 可驗證計算 23
2.3 安全模型推理 24
2.4 終端間聯(lián)合學習 28
第3章感知數(shù)據(jù)分析服務中隱私補償及查詢定價機制
3.1 引言 34
3.2 技術準備 38
3.2.1 系統(tǒng)模型 38
3.2.2 河豚隱私框架 39
3.2.3 馬爾可夫被干擾機制 41
3.3 交易機制設計 44
3.3.1 隱私度量 44
3.3.2 隱私補償 51
3.3.3 查詢定價 54
3.4 實驗評估 61
3.4.1 實驗設置 62
3.4.2 細粒度的隱私損失和隱私補償 62
3.4.3 魯棒的查詢定價 66
3.4.4 計算開銷與內(nèi)存開銷 70
3.5 本章小結(jié) 71
第4章模型推理服務中隱私可保護的批量結(jié)果驗證協(xié)議
4.1 引言 72
4.2 技術準備 76
4.2.1 支持向量機 77
4.2.2 密碼學背景知識
4.3 問題建模 81
4.3.1 系統(tǒng)模型 81
4.3.2 安全需求與攻擊模型 83
4.4 設計原理 86
4.5 底層理論協(xié)議設計 91
4.5.1 面向點積的設計 91
4.5.2 面向平方歐氏距離的設計 94
4.5.3 復雜度分析 97
4.5.4 安全分析 98
4.6 頂層應用設計 102
4.6.1 面向支持向量機的設計 103
4.6.2 面向其他機器學習算法的拓展 111
4.7 實驗評估
4.7.1 實驗設置 113
4.7.2 計算開銷 115
4.7.3 通信開銷 123
4.7.4 模型管理者的開銷 124
4.8 本章小結(jié) 125
第5章超大規(guī)模終端間聯(lián)合子模型學習方法及隱私保護機制
5.1 引言 126
5.1.1 產(chǎn)業(yè)界場景驅(qū)動 127
5.1.2 聯(lián)合子模型學習框架 130
5.1.3 新引入的隱私風險 131
5.1.4 基本問題和挑戰(zhàn) 133
5.1.5 設計與貢獻總覽 136
5.2 技術準備 139
5.2.1 安全隱私需求 140
5.2.2 隨機回答 143
5.3 協(xié)議設計 144
5.3.1 設計原理 144
5.3.2 設計細節(jié) 149
5.4 理論分析 162
5.4.1 安全隱私分析 163
5.4.2 復雜度分析 174
5.5 實驗評估 178
5.5.1 實驗設置 178
5.5.2 模型準確率與收斂性 182
5.5.3 通信開銷 185
5.5.4 計算開銷 189
5.5.5 內(nèi)存與磁盤開銷 191
5.5.6 拓展性討論 191
5.6 本章小結(jié) 193
第6章總結(jié)與展望
6.1 工作總結(jié) 194
6.2 研究展望 197
6.2.1 數(shù)據(jù)和模型交易 198
6.2.2 端云協(xié)同 200