论文部分内容阅读
为了解决传统的自主访问、强制访问和基于角色的访问控制方法中存在的隐私信息分级准确性低、数据泄露数量多的问题,提出一种基于反向传播(Back propagation,BP)神经网络的用户信息隐私查询访问控制方法。首先收集用户行为数据,计算用户信任值及用户信息隐私度,将用户信息隐私数据分级,最后将用户行为数据、用户信息隐私度值和用户信息隐私查询要素输入到BP神经网络中,依据BP神经网络实现用户信息隐私查询访问控制。仿真结果表明,与传统方法相比,上述访问控制方法大大降低了误判偏差率,隐私信息分级准确性高,