王健，博士，河南财经政法大学计算机与信息工程学院教师。宾夕法尼亚州立大学访问学者，内布拉斯加州大学林肯分校访问学者。在大数据安全领域发表多篇论文，主持完成多项省级课题。

　　随着人工智能、区块链、深度学习等技术在金融领域的广泛应用，通过对海量金融数据进行分析、归纳，挖掘出潜在的模式，研究市场运行规律，可以帮助企业调整策略，降低风险，提高效益。然而随着新技术的广泛应用，在挖掘规则的同时，可能会泄露用户的敏感信息。在金融大数据背景下，涉及到用户的数据量较大，如果这些数据中的隐私信息被泄露将对用户造成巨大伤害。
　　为了避免用户在金融大数据环境下访问服务过程中敏感信息被泄露，《面向金融大数据的隐私信息保护》将提出三种新方法来保护用户的隐私数据：①将环签名技术引入到金融大数据环境。②设计隐私策略匹配模型和匹配协议，保护金融大数据环境下用户的隐私信息。③设计最小属性泛化算法，提出基于最小属性泛化技术保护金融大数据环境下用户的隐私数据：针对所设计的最小属性泛化算法，通过仿真实验验证该算法的正确性和隐私保护度。

绪论

1 基于隐私保护的数据挖掘概述
1．1 数据挖掘
1．2 隐私信息
1．3 数据挖掘的产生背景

2 相关技术的研究进展
2．1 基于隐私保护的数据挖掘
2．2 基于隐私保护的数据挖掘算法的分类
2．3 在数据挖掘中实施隐私保护
2．4 集中式环境下的PPDM算法
2．5 分布式环境下的PPDM算法
2．5．1 数据垂直分布条件下的基于隐私保护的分类挖掘算法
2．5．2 数据水平分布条件下的基于隐私保护的关联规则挖掘算法
2．5．3 数据水平分布条件下的基于隐私保护的聚类挖掘算法
2．6 大数据背景下的金融隐私权
2．7 小结

3 面向金融大数据的数据分析
3．1 金融数据分析案例
3．2 面向金融数据的多维数据分析实例

4 基于匿名访问控制保护金融大数据环境下用户标识信息
4．1 相关研究介绍
4．2 相关概念
4．3 金融大数据环境下匿名访问控制方法
4．4 适用于金融大数据环境的无证书环签名方案
4．4．1 生成参数
4．4．2 生成密钥
4．4．3 产生签名
4．4．4 验证签名
4．4．5 接收服务
4．5 安全性分析
4．6 效率分析
4．7 小结
……

5 基于隐私策略匹配算法保护金融大数据环境下的隐私数据
6 基于最小属性泛化算法保护金融大数据环境下的隐私数据
7 金融大数据环境下基于隐私保护的K-NN分类挖掘算法
8 金融大数据环境下基于隐私保护的神经网络学习算法
9 面向金融大数据多敏感属性的隐私保护研究
10 金融大数据环境下基于隐私保护的贝叶斯网络增量学习算法
11 金融大数据环境下基于隐私保护的频繁模式挖掘算法
12 面向金融区块链的隐私数据保护
13 结语

参考文献