2021年5月16日，由我院王進(jìn)教授指導(dǎo)，研究生韓惠為第二作者，以長(zhǎng)沙理工大學(xué)為第一單位的論文被《IEEE Transactions on Industrial Informatics》錄用。《IEEE Transactions on Industrial Informatics》是自動(dòng)化與控制系統(tǒng)以及計(jì)算機(jī)工業(yè)應(yīng)用方向頂尖的國(guó)際期刊。該期刊致力于跟蹤智能和計(jì)算機(jī)控制系統(tǒng)、機(jī)器人技術(shù)、工廠通信和自動(dòng)化、柔性制造、視覺系統(tǒng)以及數(shù)據(jù)采集和信號(hào)處理的最新發(fā)展，是SCI一區(qū)TOP期刊，影響因子為9.112，在自動(dòng)化控制系統(tǒng)和計(jì)算機(jī)網(wǎng)絡(luò)等領(lǐng)域具有很高的影響力。

該論文“Multiple Strategies Differential Privacy on Sparse Tensor Factorization for Network Traffic Analysis in 5G”主要研究了多種策略差分隱私基于稀疏張量分解的5G網(wǎng)絡(luò)流量分析問題。由于容量大、傳輸速度快，5G在現(xiàn)代電子基礎(chǔ)設(shè)施中發(fā)揮著關(guān)鍵作用。同時(shí)，稀疏張量分解(Sparse Tensor Factorization, STF)是分析5G物聯(lián)網(wǎng)上高階、高維、稀疏張量數(shù)據(jù)(High-Order, High-Dimension, and Sparse Tensor, HOHDST)的降維工具。因此，HOHDST數(shù)據(jù)依靠STF獲取完整的數(shù)據(jù)，并發(fā)現(xiàn)規(guī)則進(jìn)行實(shí)時(shí)準(zhǔn)確的分析。從計(jì)算和數(shù)據(jù)安全的另一個(gè)角度來(lái)看，目前的STF解決方案尋求提高計(jì)算效率，但忽略了物聯(lián)網(wǎng)數(shù)據(jù)的隱私安全，如網(wǎng)絡(luò)流量監(jiān)控系統(tǒng)的數(shù)據(jù)分析。針對(duì)這些問題，本文提出了一種基于STF的多策略差分隱私框架(Multiple-strategies Differential Privacy framework on STF, MDPSTF)，用于HOHDST網(wǎng)絡(luò)流量數(shù)據(jù)分析。MDPSTF由-差分隱私、中心化差分隱私和本地化差分隱私，三種差分隱私機(jī)制組成。在此基礎(chǔ)上，提出了隱私約束的理論證明。因此，MDPSTF可以為HOHDST網(wǎng)絡(luò)流量數(shù)據(jù)提供通用的數(shù)據(jù)保護(hù)，具有很高的安全承諾。我們?cè)趦蓚€(gè)真實(shí)的網(wǎng)絡(luò)流量數(shù)據(jù)集(和)上進(jìn)行了實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，MDPSTF對(duì)不同程度的隱私保護(hù)需求具有較高的通用性，對(duì)HOHDST網(wǎng)絡(luò)流量數(shù)據(jù)具有較高的恢復(fù)精度。