[发明专利]基于用户行为的隐私保护机制研究

权利要求书

1.基于用户行为的隐私保护机制研究,其特征在于，确定当前环境下用户信息结构，对移动互联网环境下用户行为的分析与特征提取，将用户信息划分为个人信息、社交关系与行为信息，构建访问控制模型；通过爬虫爬取到公开数据并进行预处理与特征分析，随后搭建用户信任值计算模型，包括基于用户基本信息的信任值初始化、基于K-means聚类的异常时间检测、基于PageRank的用户关系分析、内容相似度分析和遗忘曲线信任值更新；在此基础上，引入时间与事件更新驱动机制，对用户信任值进行维护，实现了完整的从用户信息到访问安全等级的映射，保护用户的隐私安全。

2.如权利要求1所述的基于用户行为的隐私保护机制研究,其特征在于，所述基于微博用户数据的信任值初始化，具体为：

基于用户基本信息的信任值初始化；

基于K-means聚类的异常时间检测；

基于PageRank的用户关系分析；

基于Levenshtein距离的内容相似度分析。

3.如权利要求1所述的基于用户行为的隐私保护机制研究,其特征在于，所述基于用户基本信息的信任值初始化，移动网络环境中的用户行为信息主要包括移动网络环境下的用户信息和移动网络环境下的行为信息；其中，用户信息是对用户静态属性的表述，行为信息则是对用户的一系列动态操作的表述；而用户信息又包括了用户的个人资料信息和用户之间的好友关系。

4.如权利要求3所述的基于用户行为的隐私保护机制研究,其特征在于，用户的个人信息主要包括用户的一些基本信息，例如姓名、性别、出生日期、昵称、所在地、个人简介等；用户的每个属性信息都可以看成是二维平面的一个点，纵轴是不可变的属性，包括出生日期、姓名、性别等；横轴是可变的用户属性，包括所在地、年龄、昵称、关注用户数、被关注用户数、是否认证等；因为当前所在地会随着用户居住地的变化而变化，年龄会随着时间变化，关注用户数与被关注用户数则是基于用户的操作动态变化的。

5.如权利要求3所述的基于用户行为的隐私保护机制研究,其特征在于，好友关系是一个巨大的带权有向图，用户之间的好友关系显然也是考虑用户是否值得信任的一个重要考虑环节。

6.如权利要求3所述的基于用户行为的隐私保护机制研究,其特征在于，通过给不同的个人信息项不同的权重，计算得出用户个人信息完整度；具体数学公式如下，设每个用户的初始信任值为D(u_i)，不同属性为q(e_i)，并且不同属性的权重为q_i，则D(u_i)与其余各项的计算过程如下：

7.如权利要求1所述的基于用户行为的隐私保护机制研究,其特征在于，所述基于K-means聚类以及最优分割的异常时间检测：

在对于用户登录行为的异常检测过程中，用户日常使用APP的时间段是有规律的，这种规律用于判断一个用户是否在自己的常用时间段登录；

首先，将每个用户各自的微博发布时间汇总，对每个用户的微博时间数据使用K-means算法进行聚类，已知观测集(x₁，x₂，x₃，…，x_n)，其中每个观测都是一个用户个人所有微博行为的数据，k-平均聚类要把这n个观测划分到k个集合中(k≤n)，使得组内平方和(WCSSwithin-cluster sum of squares)最小；它的目标是找到使得下式满足的聚类S_i，

其中μ_i是S_i中所有点的均值。

8.如权利要求7所述的基于用户行为的隐私保护机制研究,其特征在于，聚类类别数为3的时候聚类效果最好，同时也最符合人们的日常APP使用习惯。每个人的日常使用微博时间无非三个时间点，午休时间，晚饭后的一段时间，以及睡觉前的一段时间，可能每个人的时间略有偏差，但是大致的时间段差不多是分布在三个区间中；故我们将每个用户的微博时间数据进行聚类，就能够得到每个用户的三个发布微博的时间中心。