面向金融大数据的隐私信息保护

　　随着人工智能、区块链、深度学习等技术在金融领域的广泛应用，通过对海量金融数据进行分析、归纳，挖掘出潜在的模式，研究市场运行规律，可以帮助企业调整策略，降低风险，提高效益。然而随着新技术的广泛应用，在挖掘规则的同时，可能会泄露用户的敏感信息。在金融大数据背景下，涉及到用户的数据量较大，如果这些数据中的隐私信息被泄露将对用户造成巨大伤害。为了避免用户在金融大数据环境下访问服务过程中敏感信息被泄露，本书将提出三种新方法来保护用户的隐私数据：①将环签名技术引入到金融大数据环境。②设计隐私策略匹配模型和匹配协议，保护金融大数据环境下用户的隐私信息。③设计最小属性泛化算法，提出基于最小属性泛化技术保护金融大数据环境下用户的隐私数据;针对所设计的最小属性泛化算法，通过仿真实验验证该算法的正确性和隐私保护度。

　　王健，博士，河南财经政法大学计算机与信息工程学院教师。宾夕法尼亚州立大学访问学者，内布拉斯加州大学林肯分校访问学者。在大数据安全领域发表多篇论文，主持完成多项省级课题。

绪论
1 基于隐私保护的数据挖掘概述
1.1    数据挖掘
1.2    12隐私信息
1.3 数据挖掘的产生背景
2术究
2.1 基于隐私保护的数据挖掘
2.2基于隐私保护的数据挖掘算法的分类
2.3 在数据挖掘中实施隐私保护
2.4集中式环境下的PPDM算法
2.5 分布式环境下的PPDM算法
2.5.1 数据垂直分布条件下的基于隐私保护的分类挖掘算法
2.5.2 数据水平分布条件下的基于隐私保护的关联规则挖掘算法
2.5.3 数据水平分布条件下的基于隐私保护的聚类挖掘算法
2.6大数据背景下的金融隐私权
2.7 小结
3向金融大数据的数据分析
3.1 金融数据分析案例
3.2面向金融数据的多维数据分析实例
4环境下户标识信息
4.1 相关研究介绍
4.2 相关概念
4.3 金融大数据环境下匿名访问控制方法
4.4 适用于金融大数据环境的无证书环签名方案
4.4.1 生成参数
4.4.2 生成密钥
4.4.3 产生签名
4.4.4 验证签名
4.4.5 接收服务
4.5 安全性分析
4.6 效率分析
4.7 小结
5 基于隐私策略匹配算法保护金融大数据环境下的隐私数据
5.1 方法阐述
5.2金融大数据环境下的隐私策略匹配模型
5.2.1 隐私策略匹配时所需要考虑的属性
5.2.2 基于用户的匹配模型
5.2.3 基于SP的评比模型
5.2.4基于经纪人的评比模型
5.2.5 三种评比模型的比较
5.3隐私策略匹配算法
5.4 安全性分析
5.5 小结
……
6基于小属性泛化算法保护金融大数据环境下的隐私数据
7金融大数据环境下基于隐私保护的K-NN分类挖掘算法
8金融大数据环境下基于隐私保护的神经网络学习算法
9面向金融大数据多敏感属性的隐私保护研究
10金融大数据环境下基于隐私保护的贝叶斯网络增量学习算法
11金融大数据环境下基于隐私保护的频繁模式挖掘算法
12面向金融区块链的隐私数据保护
13结语
参考文献