《大数据隐私保护技术与治理机制研究》内容简介

在大数据时代，个人隐私安全与大数据应用是当下亟须解决的一个矛盾问题。本书试图在二者的冲突中寻求汇通和融合的平衡点，为化解科技异化和隐私保护的对立进行了有益的尝试。
本书将隐私保护技术与用户的应用场景相结合，围绕不同场景、不同生命阶段采取对应的隐私保护技术进行相关研究。主要内容包括隐私内涵的构成要素、隐私安全的表现形式、隐私泄露风险评估与度量方法、基于位置服务场景下隐私保护技术、深度学习训练数据集隐私保护技术、区块链数据隐私保护技术以及数据隐私治理机制与法律监管。本书紧跟上述内容的国内外发展现状和最新成果，阐述了作者对隐私保护的理解和认识，尤其针对不同应用场景下的隐私保护技术进行了深入的探讨、分析和实例验证。
本书可以作为从事大数据应用、隐私保护、信息安全等相关专业研究人员的参考书，对于计算机科学与技术、信息与通信工程、电子科学与技术等专业的研究生和高年级本科生也有一定的参考价值。
毛典辉（1979–），男，博士，北京工商大学计算机与信息学院副教授，硕士生导师，全国工商联智库委员会委员，江苏省“企业双创领军人才计划——科技副总”，中国移动通信联合会全球区块链产业研究院特聘专家。主要从事隐私保护、区块链&AI融合应用硏究。已主持国家社会科学基金项目、教育部人文社科基金项目、北京市“青年英才计划”项目多项，发表SSCI、SCI、EI论文20余篇。

作品目录

作者简介
内容简介
前言PREFACE
第1章：绪论
1.1、大数据与隐私的关系
1.2、隐私内涵的发展变迁
1.3、大数据时代隐私安全问题的表现形式
1.4、大数据时代个人隐私侵害类型
1.5、大数据时代个人隐私侵犯特征
1.6、研究内容与结构安排
参考文献
第2章：隐私泄露风险评估与度量方法
2.1、隐私泄露风险评估
2.2、隐私保护技术
2.3、隐私保护量化模型与标准
2.4、隐私度量方法
2.5、隐私保护技术与隐私度量方法评价
参考文献
第3章：位置服务中隐私保护技术
3.1、位置隐私保护系统
3.2、实际路网中位置隐私查询技术
3.3、P2P架构下基于转发代理的位置隐私保护
3.4、独立架构下增量近邻查询的位置隐私保护技术
参考文献
第4章：深度学习训练数据集隐私保护技术
4.1、深度学习模型
4.2、差分隐私与深度学习模型结合
4.3、基于DCGAN反馈的深度差分隐私保护方法
4.4、具有隐私上界的多分组深度差分隐私保护方法
参考文献
第5章：区块链数据隐私保护技术
5.1、区块链技术概述
5.2、区块链数据安全与隐私威胁
5.3、区块链隐私保护机制与方法
5.4、面向电子健康记录的区块链数据隐私保护方法
参考文献
第6章：数据隐私治理机制与法律监管
6.1、数据隐私监管困境
6.2、数据隐私治理模式
6.3、我国数据隐私保护法律监管
参考文献
致谢