大数据环境下网络数据隐私保护算法研究

作者:潘明波; 刊名:微电子学与计算机 上传者:包萍

【摘要】针对传统的数据隐私保护算法存在执行时间较长,隐匿率较高,适应性较差等问题,提出基于密度聚类的网络数据隐私保护算法,在大数据环境下,随机生成一个满足给定的大数据环境下网络隐私数据特征的变换函数,然后利用这个变换函数对原始的网络隐私数据的数值进行变换,并将变换后的数值作为随机化回答的结果;然后根据网络的特征对网络节点进行密度聚类分析,生成符合大小的任意形状的簇,通过量化网络隐私数据信息丢失量和网络隐私数据结构信息丢失量对隐私数据进行有效性分析;最后在成功生成的簇内插入真实网络节点,通过增加边等技术,完成对网络数据信息的隐私保护.仿真实验结果证明,所提算法具有较好的隐私保护效果,在对多种不同背景知识攻击的情况下,具有较好的适应效果.

全文阅读

34卷 第 7期 2017年 7月 微 电 子 学 与 计 算 机 MICRC}ELECTRONICS& COMPUTER VoL 34 No.7 July 2017 大数据环境下网络数据隐私保护算法研究 潘 明波 (云南工商学院 信息工程学院,云南 昆明 651701) 摘 要:针对传统的数据隐私保护算法存在执行时间较长,隐匿率较高,适应性较差等问题,提 出基于密度聚类的 网络数据隐私保护算法,在大数据环境下,随机生成一个满足给定的大数据环境下网络隐私数据特征的变换函数, 然后利用这个变换函数对原始的网络隐私数据的数值进行变换,并将变换后的数值作为随机化回答的结果;然后 根据网络的特征对网络节点进行密度聚类分析,生成符合大小的任意形状的簇,通过量化网络隐私数据信息丢失 量和网络隐私数据结构信息丢失量对隐私数据进行有效性分析;最后在成功生成的簇 内插入真实网络节点,通过 增加边等技术,完成对网络数据信息的隐私保护。仿真实验结果证明,所提算法具有较好的隐私保护效果,在对多 种不 同背景知识攻击 的情况下 ,具有较好 的适应效果. 关键词:大数据环境下;基于密度聚类;网络数据隐私保护算法 中图分类号 :TN309 文献标识码 :A 文章编 号 :1O0O一718O(2017)O7一O1O1一O4 Big Data Environm ent Network Data Privacy Protection Algorithm Research PAN M ing-bo (Information Engineering Institute,Yunnan Technology and Bussiness University,Kunming 651701,China) Abstract:There are many problems in the traditional data privacy protection algorithm,such as long execution time, high concealment and poor adaptability.The proposed network data density clustering algorithm based on privacy protection,in the big data environment,the transformation function generates a random given the big data environment of network privacy data, then use the numerical transform function of network privacy data are changed,and the numerical transform as the result of random response then according tO the characteristics of the network;the network node density clustering analysis,generated in accordance with any size and shape of the clusters, through the data network privacy and network privacy quantitative inform ation loss data

参考文献

引证文献

问答

我要提问