通过认知策略增强受控查询评估

在数据隐私至关重要的时代，在不泄露敏感细节的情况下共享信息的挑战比以往任何时候都更加重要。

在这里，我们考虑称为受控查询评估 (CQE) 的框架，这是一种创新方法，可在提供最大查询答案的同时保护机密性。

受控查询评估

我们提出了此框架的扩展，通过使用丰富形式的数据保护规则来增强其表达能力。 我们探讨了这些规则的实际重要性以及使该系统有效的一些技术基础。 然后，我们研究了通过 DL-LiteR 中指定的本体管理数据时的一些计算属性，DL-LiteR 是一种流行的语言，旨在在数据密集型应用程序中进行有效推理。 DL-LiteR 支持 OWL2 QL，这是 W3C OWL2 标准的可处理片段之一。

什么是受控查询评估 (CQE)？

CQE 是一个通过过滤用户查询的答案来保护敏感信息的框架。它在数据保护策略下运行，该策略指定哪些信息是机密的，确保用户无法通过查询推断出敏感细节。该框架的一个显着特点是它的声明性：为了保护数据，系统工程师不必设计特定的算法，而只需指定由逻辑规则组成的策略即可。

声明性 策略

策略语言的作用

策略的表达能力取决于可以声明它的特定语言。策略语言定义可以指定哪些规则来管理可以披露哪些信息以及必须保密哪些信息。正如计算机科学中经常发生的那样，这种语言的表达能力越强，设计一个能够有效和高效地处理它的系统就越复杂。在像所讨论的逻辑框架中，一些实际挑战并不罕见。

语言 否认 连词 AND 假 哪个 _{1 2}