Resumen

En las actividades sociales, a las personas les interesa ciertos datos estadísticos, como registros de compras, consumo mensual y datos de salud, que generalmente se utilizan en sistemas de recomendación. Y les resulta seductor obtener el ranking de estos datos entre amigos u otras comunidades. Al mismo tiempo, desean que sus datos de privacidad sean confidenciales. Por lo tanto, se presenta una estrategia que permite a los usuarios obtener el resultado del cálculo de sus datos de privacidad preservando dichos datos. En este método, primero se establece un modelo de función de aproximación polinómica para cada usuario. Posteriormente, se fragmentan los coeficientes de cada modelo en piezas. Finalmente, se mezclan todos los fragmentos para construir el modelo global de todos los usuarios. Los usuarios pueden utilizar el modelo global para obtener sus resultados de ranking correspondientes después de un cálculo especial. Los análisis de seguridad de tres aspectos detallan la validez del método de privacidad propuesto, incluso si algunos atacantes malintencionados intentan robar los datos privados de los usuarios, sin importar quiénes sean (usuarios

• Materias:Amenaza avanzada persistente Internet de las cosas Seguridad cibernética Estegoanálisis Cifrado descentralizado
• Subjects:Advanced persistent threat Internet of things Cyber security Stegoanalysis Decentralized encryption
• Palabras claves:Actividades sociales; Datos estadísticos; Sistemas de recomendación; Datos sobre privacidad; Modelo de función de aproximación polinómica; Análisis de seguridad
• Keywords:Social activities; Statistical data; Recommendation systems; Privacy data; Polynomial approximation function model; Security analyses