摘 要

互联网飞速发展的今天，人们在网络上交换信息的频率和数据量是空前的，因而，人们对他们信息的保密性和安全性都有了更高的要求，负调查作为一种很有发展价值的一种方式，能够在获取最真实的用户反馈的情况下，同时有效地保护用户的隐私信息，在收集用户敏感信息方面的帮助很大。

本文的主要内容即针对几种重构算法，分析研究重构结果与正调查结果误差的影响因素，具体如下，本文涉及的三种算法为NStoPS、NStoPS-I、NStoPS-MLE，重现算法并以收集的正负问卷结果为数据基础，分别比较重构出的正结果，再与正问卷的结果进行对比并计算误差。

而本文从不同角度分析这些误差产生的原因，分析了选项个数、问题敏感度、采样方式等对，旨在设计出更合理的负调查问卷。从本文的研究结果来看，在采用的数据量为221的情况下，三选项问题的重建结果最为理想，轻敏感度问题重建最为准确，通过采样矩阵并不能提高重建的准确率。关键字：隐私保护；负调查；重构算法；隐私度

ABSTRACT

As the rapid development of the Internet today, the frequency and amount of data of the network exchange of information is unprecedented, so people have a higher demand on their information confidentiality and security. Negative survey, as a very valuable, developmental way to get the most authentic user feedback can effectively protect the user's privacy information, so this method is much helpful to the collection of sensitive information.

The main contents of this thesis are as follows: the three algorithms involved NStoPS, NStoPS-І, NStoPS-MLE, based on the data base of positive negative questionnaires, by reimplementing the algorithms and reconstructing the positive results, we can analysis the factors which affect the accuracy of the reconstructed result.

This thesis focuses on the reconstructed result from different angles to analyze the causes of these errors. By discussing the different number of options, problem sensitivity or sampling methods, we intend to design the highest accuracy of the negative questionnaire, which can be the new trends of survey in the future. From this paper, the reconstructed results of the three-item problem are the most ideal in this background of the amount of data, and the reconstruction of the light sensitivity problem is the most accurate. The sampling matrix can not improve the accuracy of the reconstruction.

Key Words：Privacy protection；Negative investigation；Reconstruction algorithm；Privacy

目 录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1 相关研究现状 1

1.1.1 负调查简介 1

1.1.2 负调查国内外现状 2

1.2 相关算法介绍 2

1.2.1 NStoPS 2

1.2.2 NStoPS-I 3

1.2.3 NStoPS-MLE 4

1.3 本文主要内容 5

1.4 本文章节安排 6

第二章 负调查数据收集以及初步处理 8

2.1 问卷设计思路 8

2.2 问卷回收原则 8

2.3 数据收集 8

2.4 数据收集结果统计 9

2.5 本章小结 9

第三章 重构实验分析 11

3.1 实验过程 11

3.2 实验结果 11

3.2 结果分析 12

3.2.1 NStoPS、NStoPS-I、NStoPS-MLE三种算法结果对比 12

3.2.2 重建结果准确度与采样选项数量关系 12

3.2.3 重建结果准确度与采样问题敏感度的关系 13

3.2.4 NStoPS-MLE重建结果与采样矩阵Q的关系 14

3.3 本章小结 15

第四章 总结和展望 17

4.1 总结 17

4.2 展望 17

参考文献 19

致 谢 25

1. 绪论

1.1 相关研究现状

1.1.1 负调查简介

负调查是一种新出现的调查方法，可以保护敏感数据和个人隐私。与传统的调查方式不同，相比于正调查，负调查要求被调查对象选择不符合其真实情况的选项，由于问题的选项一定是大于两项，因而用户的真实情况就能得到保密，确保了隐私的安全性，从而让被调查对象更加愿意填写符合真实情况的信息。在负调查中得到的信息为负结果，是不具直接分析研究的价值，将这些负结果根据一些重构算法重建出正调查的结果才能够达到调查统计的目的，唯有收集到的数据准备符合人们的需求取向，分析出的结果才可靠。

以下是调查问卷其中的一组调查学生考勤情况的问题，以此为例来说明正调查和负调查之间的不同，其中传统正调查的一种的问题形式如下

你的考勤状况为（ ）。

A. 从不缺课

B. 偶尔缺课

C. 经常缺课