广东工业大学学报 ›› 2014, Vol. 31 ›› Issue (3): 21-26.

• 综合研究 • 上一篇    下一篇

大数据环境下跨组织间协同优化决策的隐私保护算法

刘洪伟,刘智慧,朱慧,陆涛   

  1. 广东工业大学 管理学院,广东 广州 510520
  • 收稿日期:2014-06-30 出版日期:2014-09-30 发布日期:2014-09-30
  • 作者简介:刘洪伟(1962-),男,教授,博士生导师, 主要研究方向为管理信息系统、系统工程.
  • 基金资助:

    国家自然科学基金资助项目(70971027);广东省哲学社会科学规划项目(GD10YGL09);广东省普通高校人文社会科学重点研究项目(12ZS0112)

Privacy-preserving Algorithm for Cross-organizational Collaborative

Liu Hong-wei, Liu Zhi-hui, Zhu Hui, Lu Tao   

  1. School of Management, Guangdong University of Technology, Guangzhou 510520, China
  • Received:2014-06-30 Online:2014-09-30 Published:2014-09-30

摘要: 组织协同决策分析的数据具有大数据的分布性、异构性和隐私性等典型特征.安全多方计算是一种基于协同机制或协议的隐私保护算法,但它一些常用的单调张成等方法却无法挣脱计算复杂性的困扰.本文主要研究组织间两种结构的协同优化决策问题,提出针对决策变量与约束参数隐私保护的安全多方计算协议,并给出相对应的安全证明.研究表明对于本文构造的SMC协议,可以降低优化协同决策的计算复杂度,部分隐私信息无须加工传送也可以完成计算任务.

关键词: 大数据, 协同优化, 隐私保护, 安全多方计算

Abstract: The cross-organizational data has the typical characteristics of big data in collaborative optimization decision-making, such as distributedness, heterogeneity, and privacy etc. Secure multiparty computation(SMC) is a privacy-preserving algorithm, based on collaborative mechanisms or protocols. However, the methods typically used, such as monotone span program, cannot get rid of the computational complexity. It discussed two kinds of   problems in collaborative optimization decision, and proposed secure multi-party computation protocols for the privacy-preserving of constraint parameters and decision variables. Then, it gave security proof. The results show that the SMC protocols can reduce the computational complexity of collaborative optimization decisions, and computation of some private information can be completed without transferred processing.

Key words: big data, collaborative optimization, privacy-preserving, secure multi-party computation

[1] 董振宁, 王俊杰, 罗克文, 陈浪城. 网约车乘客隐私保护的演化博弈研究[J]. 广东工业大学学报, 2023, 40(01): 19-28.
[2] 蒋丽, 谢胜利, 张彦. 面向6G网络的联邦学习资源协作激励机制设计[J]. 广东工业大学学报, 2021, 38(06): 47-52,83.
[3] 聂敏航, 欧毓毅. 一种可自定义金额的数字货币去中心化混淆方案[J]. 广东工业大学学报, 2021, 38(01): 64-68.
[4] 刘洪伟, 梁周扬, 左妹华, 陆丹, 范梦婷, 何锐超. 利用消费者浏览行为识别品牌竞争关系研究[J]. 广东工业大学学报, 2019, 36(05): 1-6,13.
[5] 黄健文, 朱雪梅, 徐莹, 熊璐, 张伟国. 基于多源大数据的岭南地区老旧小区空间形态量化研究[J]. 广东工业大学学报, 2019, 36(04): 70-79.
[6] 白颉, 姚家进, 张茂军, 李桥兴. 金融大数据中条件非相关波动模型的单纯形搜索算法[J]. 广东工业大学学报, 2018, 35(05): 26-30.
[7] 孙为军, 谢胜利, 汪谷银, 刁俊武, 阮航. 智能工厂工业大数据云平台的设计与实现[J]. 广东工业大学学报, 2018, 35(03): 67-71.
[8] 李卫华, 李志猛. 基于大数据运输集团生产运营决策系统的构建及应用[J]. 广东工业大学学报, 2018, 35(03): 113-118.
[9] 饶东宁, 王军星, 魏来, 王雅丽. 并行最小割算法及其在金融社交网络中的应用[J]. 广东工业大学学报, 2018, 35(02): 46-50.
[10] 刘毅, 章云. 一种基于自适应动态规划的协同优化算法[J]. 广东工业大学学报, 2017, 34(06): 15-19.
[11] 谢振东, 吴金成, 李之明, 伍冠桦. 企业大数据能力的构建与培育研究[J]. 广东工业大学学报, 2017, 34(03): 110-114.
[12] 饶东宁, 温远丽, 魏来, 王雅丽. 基于Spark平台的社交网络在不同文化环境中的中心度加权算法[J]. 广东工业大学学报, 2017, 34(03): 15-20.
[13] 刘冬宁, 卢明俊, 黄宝莹, 梁路. 先序约束下的群组角色指派及其优化[J]. 广东工业大学学报, 2017, 34(03): 21-29.
[14] 毛莉娜, 李卫华. 用信息流和知网构建大数据语义共享通道研究[J]. 广东工业大学学报, 2017, 34(03): 30-35.
[15] 陆涛, 刘洪伟, 刘智慧, 朱慧, 陈丽. 跨组织间隐私数据水平分布线性规划协同优化算法研究[J]. 广东工业大学学报, 2015, 32(2): 43-47.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!