2021年5月16日，由我院王进教授指导，研究生韩惠为第二作者，以新利官网开户 为第一单位的论文被《IEEE Transactions on Industrial Informatics》录用。《IEEE Transactions on Industrial Informatics》是自动化与控制系统以及计算机工业应用方向顶尖的国际期刊。该期刊致力于跟踪智能和计算机控制系统、机器人技术、工厂通信和自动化、柔性制造、视觉系统以及数据采集和信号处理的最新发展，是SCI一区TOP期刊，影响因子为9.112，在自动化控制系统和计算机网络等领域具有很高的影响力。

该论文“Multiple Strategies Differential Privacy on Sparse Tensor Factorization for Network Traffic Analysis in 5G”主要研究了多种策略差分隐私基于稀疏张量分解的5G网络流量分析问题。由于容量大、传输速度快，5G在现代电子基础设施中发挥着关键作用。同时，稀疏张量分解(Sparse Tensor Factorization, STF)是分析5G物联网上高阶、高维、稀疏张量数据(High-Order, High-Dimension, and Sparse Tensor, HOHDST)的降维工具。因此，HOHDST数据依靠STF获取完整的数据，并发现规则进行实时准确的分析。从计算和数据安全的另一个角度来看，目前的STF解决方案寻求提高计算效率，但忽略了物联网数据的隐私安全，如网络流量监控系统的数据分析。针对这些问题，本文提出了一种基于STF的多策略差分隐私框架(Multiple-strategies Differential Privacy framework on STF, MDPSTF)，用于HOHDST网络流量数据分析。MDPSTF由-差分隐私、中心化差分隐私和本地化差分隐私，三种差分隐私机制组成。在此基础上，提出了隐私约束的理论证明。因此，MDPSTF可以为HOHDST网络流量数据提供通用的数据保护，具有很高的安全承诺。我们在两个真实的网络流量数据集(和)上进行了实验。实验结果表明，MDPSTF对不同程度的隐私保护需求具有较高的通用性，对HOHDST网络流量数据具有较高的恢复精度。