大數(shù)據(jù)環(huán)境下高效隱私保護計算方案研究與實現(xiàn).pdf

1、隨著手機，可穿戴設(shè)備以及傳感器技術(shù)的發(fā)展，計算機和電子通信技術(shù)的不斷進步和普及導致多元化的數(shù)據(jù)呈現(xiàn)爆炸性的增長趨勢。由此，大數(shù)據(jù)的概念應(yīng)運而生。盡管大數(shù)據(jù)本身的復(fù)雜特性，例如，“5V”特征——大體量，多樣性，時效性，準確性，價值性，給大數(shù)據(jù)的具體應(yīng)用造成了阻礙與困擾,大數(shù)據(jù)架構(gòu)目前仍然被廣泛的研究與應(yīng)用在各個方面，包括：醫(yī)療系統(tǒng)，政府管理部門，制造業(yè)系統(tǒng)，以及研究分析領(lǐng)域等等。
　　然而，大數(shù)據(jù)擁有的潛在能力，例如，數(shù)據(jù)收集，數(shù)據(jù)

2、分析，數(shù)據(jù)存儲，數(shù)據(jù)處理也產(chǎn)生新的難以解決的隱私問題：個人的敏感隱私數(shù)據(jù)在大數(shù)據(jù)時代能否被更好的保護，或者是否更容易被泄露。在眾多研究大數(shù)據(jù)的領(lǐng)域中,最重要的領(lǐng)域之一就是找到衡量隱私危害和數(shù)據(jù)處理效率的平衡點，在保護用戶隱私的前提下，保證數(shù)據(jù)處理和分析的效率。為了解決隱私保護下的大數(shù)據(jù)分析和計算問題，本文主要分析并提出兩個具體應(yīng)用背景下的隱私保護計算方案，如下所示，分別針對高效的關(guān)聯(lián)規(guī)則挖掘以及基于位置服務(wù)的近鄰測試。
　　(1)

3、隨著數(shù)據(jù)爆炸性的增長以及云計算技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)，如關(guān)聯(lián)規(guī)則挖掘算法，K-Means算法，K近鄰算法等，引起了廣泛的關(guān)注。然而，數(shù)據(jù)挖掘技術(shù)蓬勃發(fā)展的同時，在大數(shù)據(jù)時代下也帶來更多的安全問題和挑戰(zhàn)。其中，最主要的的問題之一就是在保證用戶數(shù)據(jù)隱私不被泄露的前提下，在云服務(wù)上進行數(shù)據(jù)挖掘。為了解決這種情況下的隱私問題，我們提出了一個高效且靈活的協(xié)議，稱為EFPA，用于完成基于隱私保護關(guān)聯(lián)規(guī)則分析算法。根據(jù)設(shè)計的EFPA協(xié)議，大量參

4、與者（數(shù)據(jù)提供者）可以提供他們的敏感加密數(shù)據(jù)給云服務(wù)器，同時云服務(wù)器可以在云端運行關(guān)聯(lián)分析算法而無法獲取來自用戶任何的明文數(shù)據(jù)和隱私。詳細的安全分析表明，EFPA協(xié)議可以完成基于隱私保護的關(guān)聯(lián)規(guī)則挖掘算法。除此之外，實際仿真測試和性能分析也表明EFPA協(xié)議是高效的，并擁有很低的計算開銷。
　　(2)隨著手機設(shè)備的普及，基于位置服務(wù)的社交網(wǎng)絡(luò)應(yīng)用，如臉書，微信，推特等，被普遍應(yīng)用于人們的生活中。然而，由于位置信息是十分重要和敏感的，

5、這些社交網(wǎng)絡(luò)應(yīng)用可能帶來嚴重的安全問題，并對用戶的位置隱私產(chǎn)生嚴重的安全隱患。為了解決社交應(yīng)用中位置隱私問題，我們?yōu)榛谖恢玫姆?wù)提出了一種基于隱私保護的高效近鄰測試方案，稱為EPPD。在EPPD方案中，用戶可以測試他們是否在一個特定的范圍內(nèi)，同時保護自己的位置隱私。具體來說，EPPD包括兩個階段：首先，用戶周期性的上傳他們加密的位置數(shù)據(jù)給服務(wù)提供商；隨后，用戶可以發(fā)送測試請求給服務(wù)提供商進行近鄰測試并獲取測試結(jié)果。詳細的安全分析表明E