面向眾包數(shù)據(jù)庫(kù)的隱私保護(hù)技術(shù)研究.pdf

1、眾包數(shù)據(jù)庫(kù)是一種利用眾包平臺(tái)將人類智慧和機(jī)器相結(jié)合，以解決傳統(tǒng)關(guān)系數(shù)據(jù)庫(kù)難以處理的查詢?nèi)蝿?wù)的新型數(shù)據(jù)庫(kù)。其核心思想是將查詢及相應(yīng)數(shù)據(jù)集以眾包任務(wù)的形式發(fā)布到互聯(lián)網(wǎng)，并最終交給大眾網(wǎng)民，利用人類智慧來(lái)解決。然而包含隱私信息的數(shù)據(jù)集若不做任何處理就發(fā)送給大眾網(wǎng)民，則可能造成隱私信息的泄漏。隱私問(wèn)題在傳統(tǒng)數(shù)據(jù)庫(kù)領(lǐng)域已有多年的研究，其中數(shù)據(jù)匿名技術(shù)已在數(shù)據(jù)發(fā)布等實(shí)際應(yīng)用中證明了其有效性。然而現(xiàn)有的匿名技術(shù)難以簡(jiǎn)單地應(yīng)用于眾包數(shù)據(jù)庫(kù)，首先，眾包數(shù)

2、據(jù)庫(kù)通常規(guī)模較大且分布式地存儲(chǔ)于不同節(jié)點(diǎn)中，現(xiàn)有算法難以高效地處理這種大規(guī)模、分布式數(shù)據(jù)；其次，現(xiàn)有算法會(huì)造成任務(wù)相關(guān)的信息損失量過(guò)大，導(dǎo)致任務(wù)完成質(zhì)量降低。
　　為提高眾包任務(wù)的完成質(zhì)量，基于空間分割的Two-Phase Partition匿名算法通過(guò)抽樣技術(shù)保留更多的任務(wù)相關(guān)信息，提高匿名數(shù)據(jù)的可用性。第一階段Pre-Partition，以樣本坐標(biāo)為候選分割點(diǎn)，對(duì)空間做全域分割，根據(jù)真實(shí)值設(shè)計(jì)估值函數(shù)，篩選最優(yōu)分割點(diǎn)集合。第二

3、階段 Further-Partition，以第一階段的輸出為候選分割點(diǎn)，對(duì)空間做基于kd-tree的本地分割，再根據(jù)得到的子空間邊界對(duì)數(shù)據(jù)做替換操作，完成數(shù)據(jù)匿名化。為高效地處理大規(guī)模、分布式眾包數(shù)據(jù)庫(kù)，基于MapReduce的并行匿名框架，實(shí)現(xiàn)了對(duì)Two-Phase Partition算法的并行化。該框架采用哈希技術(shù)將原數(shù)據(jù)集重新劃分為多個(gè)子數(shù)據(jù)集，分別對(duì)其做匿名處理后再將其整合正完整的匿名數(shù)據(jù)集。
　　實(shí)驗(yàn)表明，與現(xiàn)有算法相比