关于 怎样购买性药【V信;799.196.362】涟 的搜索结果,共485
h****l 2018-07-09
大数据时代下的隐私保护(二)
补充数据攻击(complementary release attack) :假如公开的数据有多种类型,如果 它们的k-anonymity 方法不同,那么攻击者可以通过关联多种数据推测用户息。 除此之外,如果敏感属在同一类quasi-identifiers 中缺乏多,或者攻击者有其 它的背景知识,k-anonymity也无法避免隐私泄露。 我们知道李雷的息,表中有两条对应的数据,但是他们的偏好都是电子产品。因 为这个敏感属缺乏多,所以尽管是2-anonimity 匿名化的数据,我们依然能够获得李雷的敏感息。 如果我们知道小紫的息,并且知道她不喜欢护肤品,那么从表中,我们仍可以确 认小紫的偏好是厨具。 l-diversity(l-多化) 通过上面的例子,我们引出了多化的概念。简单来说,在公开的数据中,对于那些quasi-identifier 相同的数据中,敏感属必须具有多,这才能保证用户的隐私 不能通过背景知识等方法推测出来。 l-diversity 保证了相同类型数据中至少有l 种内容不同的敏感属
c****2 2018-07-10
化推荐(一)
背景介绍 在网络技术不断发展和电子商务规模不断扩大的背景下,商品数量和种类快速增长,用户需要花费大量时间才能找到自己想的商品,这就是息超载问题。为了解决这个难题,个化推荐系统(Recommender System)应运而生。 个化推荐系统是息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流推荐等。个化推荐系统通过分析、挖掘用户行为,发现用户的个化需求与兴趣特点,将用户可能感兴趣的息或商品推荐给用户。与搜索引擎不同,个化推荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的息。 1994年明尼苏达大学推出的GroupLens系统[1]一般被认为是个化推荐系统成为一个相对独立的研究方向的标志。该系统首次提出了基于协同过滤来完成推荐任务的思想,此后,基于该模型的协同过滤推荐引领了个化推荐系统十几年的发展方向。
s****5 2018-07-10
化推荐(二)
lod是细节层次的息,对应于data。比如,data = [[10, 2, 3], [2, 3]] 意味着它包含两个序列,长度分别是3和2。于是相应地 lod = [[3, 2]],它表明其包含一层细节息,意味着 data 有两个序列,长度分别是3和2。
x****3 2018-07-10
中国云计算现状——采
前文说过成本,说明我们么做一个云计算平台能不亏钱;还说过产品,说明云计算服务有哪些东西可以卖; 正文 一、云厂商的姿态和现状 云厂商们经常参加各种“开发者大会”,开发者们也用自己的热情帮云平台完善产品,但真正能带来营收的还是大客户大项目。这些大客户大项目可能是事业单位、国企、外企、大型私企,也适用于已经做大的互联网公司,采决策人会是CIO到采部这条线上的人。大公司大项目的的采过程中,技术团队只有等同于财务部、法务部的否决权,采决策人不会从云厂商的角度考虑问题。 云计算产品不成熟不清晰不明确,只有技术人员能和客户谈产品和方案;但是在大型项目中能卖方案的是销售人员,技术人员提供的所有材料都是给销售提供的工具,让这些销售人员说服倾向己方的采决策人、转化倾向友商的采决策人。 采线的人不关心你用什么技术流派,在他们看来云厂商卖的绝大部分是替代产品,一小部分是开创产品;替代产品是比旧产品有什么优势,开创产品能给他们带来什么新利益。 云厂商觉得客户跟不上自己伟大理想,动辄要引领客户改变思路,即使丢单也是客户境界不够高深。
TOP