[发明专利]基于HMM的用户查询风险评估和隐私保护方法

摘要

本发明提供了一种基于隐马尔克夫模型(Hidden Markov Model，HMM)的用户查询风险评估和隐私保护方法。通过对用户查询的特征进行分析，将分析得到的指标将其作为HMM的量化指标，建立用户查询风险评估模型；初始化模型参数；根据可见状态序列以及系统的真实状态，对模型进行训练；最后当用户查询，对用户查询风险计算以及风险等级评估。本发明利用HMM模型对用户查询安全风险进行评价，考虑各阶段的动态性，实时反应风险状态。针对高风险查询采用高强度的差分噪音来降低用户查询风险，针对低风险查询采用低强度的差分噪音进行保护，不仅有效解决了用户查询时隐私泄露的风险，而且节约了隐私保护成本。同时该模型具有很强的扩展性，可以应用到各种在线查询服务中。

主权项

1.一种基于HMM的用户查询风险评估和隐私保护方法，其特征在于，包括以下步骤：步骤1、用户发起查询请求，根据用户查询请求中所包含的查询内容进行查询特征分析，获得用户查询特征；步骤2、基于用户查询特征，建立HMM模型；步骤3、初始化模型参数，根据HMM模型的可见状态序列及系统的真实状态，对HMM模型进行训练；步骤4、利用训练好的HMM模型对用户实时发起的查询请求所包含的查询内容进行风险评估和风险值计算，确定查询风险等级；步骤5、针对不同的查询风险等级，采用不同的隐私保护措施：当查询风险等级为高风险查询时，采用高强度的差分隐私噪音降低查询风险；当查询风险等级为低风险查询时，采用低强度的差分隐私噪音实现保护；步骤6、将隐私保护后的结果发送给服务提供商，服务提供商根据用户的查询需求进行结果查询；步骤7、服务提供商将查询到的结果进行返回，在用户端进行结果排名的操作，再次进行隐私保护。