专题导读：大数据隐私保护
在大数据时代，数据的开放共享是发 掘大数据中蕴含的巨大价值以及推动大数 据发展的必要途径。然而，大数据中往往包 含用户的大量敏感信息，一旦开放这些数 据，会导致严重的个人隐私泄露问题。如果 不能解决由于大数据共享导致的个人隐私 泄露的问题，大数据的发展将受到严重阻 碍。因此，对大数据隐私保护技术的研究具 有十分重要的意义，只有在有效保护用户隐 私的前提下进行数据的开放与共享，才能 充分发挥大数据的应用优势。
近年来，大数据隐私保护技术的研究 和应用受到了学术界和工业界的广泛关 注。在学术界，针对大数据隐私保护技术进 行的研究方兴未艾；在工业界，一些互联网 公司已经尝试应用隐私保护技术收集某些 特定类型的用户数据。为了探讨与大数据隐 私保护相关的领域面临的挑战，本专题汇 集了国内活跃在一线的大数据隐私保护研 究者的4篇文章，从科学基础理论、关键技 术方法与系统应用研究等方面，探索大数 据隐私保护最新的研究进展及未来可能的 研究方向，希望能引起读者兴趣，推动相关 领域研究与实践的发展。
孙慧中等人撰写的《一种基于随机投 影的本地差分隐私高维数值型数据收集算 法》针对高维数值型数据收集过程中亟待 解决的隐私问题，提出了一种基于随机投影 技术的满足本地差分隐私的高维数值型数 据收集算法Multi-RPHM，并从理论上证明 了该算法满足本地差分隐私的要求。
王平等人撰写的《基于安全压缩感知 的大数据隐私保护》结合压缩感知技术，提 出了一种感知层内置的轻量级加密机制，其 能够将保密性嵌入信息感知的过程中，以近 乎零的成本为数据提供第一层安全防护。
卢 文 雄 等人 撰 写的《基 于同源 策 略 的移动应用细粒度隐私保护技术》指出了 Android等移动平台使用的基于权限的访 问控制机制存在的不足，文章引入类似��������,�����س�浏 览器同源策略的控制机制，实现了比原有 Android权限模型更加细粒度的访问控制。
孟小峰等人撰写的《人工智能时代的 数据隐私、垄断与公平》指出当前的隐私问 题不是通过扰动、匿名、差分等技术能够 解决的小隐私问题，而是数据收集场景下的 “大隐私”问题，涉及隐私、垄断、公平等 伦理问题。为详细探究此类伦理问题，作者 从数据发展的角度出发，探讨了人工智能时 代隐私、垄断与公平问题的产生环境及独特 性，并提出了解决这些问题的重要举措。
由于篇幅有限，本专题不能涵盖大数 据隐私保护研究中的方方面面。但仍然希 望通过阐述大数据隐私保护的最新研究进 展及未来可能的研究方向，推动大数据隐 私保护研究的进一步发展。