论文部分内容阅读
个性化k-匿名模型能够根据用户隐私偏好实现隐私保护，为用户提供控制位置隐私更多选择性，但由于设置隐私偏好的复杂性，就算最为注重隐私保护的用户也可能忽略一些问题。研究的目的是开发一个框架，帮助用户选择自己的隐私偏好，有效管理和获取来自匿名者的隐私内容。分析一组影响隐私配置选择因素，构建自适应学习模型来帮助用户做出正确的决定，保护他们的隐私信息。随着学习模型的成熟，将以最小的用户干预来管理各种情况下不同用户的隐私偏好，防止隐私泄露，并鼓励用户使用模型推荐的隐私设置。