论文部分内容阅读
在开放的普适计算环境下，计算设备和各种个性化的定制服务在整个物理空间内无所不在，使得用户可以随时随地的接入某项服务。用户在接入某项服务的同时，无察觉地被普适计算系统收集了含有个人隐私信息的用户数据。普适计算环境之所以给人们带来了极大地便利还利用了其无处不在的计算设备和人们周围的大量信息，用户可以在无察觉或者不被打扰的情况下，系统利用收集的信息为其解决很多问题。
因此，普适计算环境的复杂性和多样性给用户的隐私问题带来了诸多的挑战：第一，信息可用性和用户隐私相互冲突、此消彼长；第二，用户隐私需求会由于上下文的改变而改变；第三，针对静态网络的传统隐私保护机制不适用。
为应对这些挑战，本文提出了一种利用粒度计算的方法让系统根据原有的访问历史记录拥有自动生成策略的能力，将策略所代表的访问权限赋予带属性的访问请求者，以完成访问控制，它把数据拥有者从复杂的隐私策略制定中解放出来，并加入用户反馈以提高自动生成的策略的准确性，具体过程涉及以下几个方面：
1)定义信息库内部的层次和信息模糊度。为了解决信息可用性和用户隐私此消彼长的矛盾，我们在释放用户信息的时候要有“度”，要不多不少，少了不能解决访问请求者的问题，多了就暴露了用户隐私。所以，对于用户的个人信息我们首先要有一个预定义了的模糊过程，对于不同请求者我们返回不同的模糊层次，而不是简单的“可以访问”或“无权限访问”。
2)访问控制时，根据策略所赋予的访问权限来释放信息给带属性的有角色的用户。根据所提供的服务，当有一个新的访问请求产生时，系统根据他的“角色”、“访问发生的原因”、“与被访问者的关系”、“访问的时间”等因素生成策略，该访问权限按照策略来执行，系统根据策略的具体内容释放访问者所请求的信息。
3)基于粒度计算理论来自动生成策略。本文利用粒度计算的数据约简能力，从知识量非常巨大的普适计算环境、决策支持系统中对数据库中的数据进行约简，提出了基于粒度计算自动生成策略的隐私保护算法Policy Generation Algorithm based on GranularComputing(PGAGC)。
4)利用反馈机制优化策略准确度和合理性。不包含用户意识的自动生成策略往往在准确性和合理度上有待提高，而且作为生成策略的数据来源的历史访问记录，往往在数量或者质量上不尽如人意。因此，引入反馈机制，在将策略返回给访问者时也将策略发送给数据的拥有者，他根据自己的意愿修改策略并返回给系统作为此次查询的历史记录。反馈在具体执行时，并不会给当前的查询造成影响，但作为计算数据来源的历史信息，将会在下次查询时发挥作用。
在此基础上，本文设计了一个系统--Moon小组成员信息交互平台。在系统中，我们实现了PGAGC算法，验证了该算法的正确性以及对于隐私保护的有效性，增加了友好的用户界面。我们可以实现在不同的情况下，对成员信息的访问结果亦不同，有效地防护其信息外泄，使系统中的用户之间信息的访问非常地便捷和安全。