大数据环境下的多维敏感度最佳k值匿名框架

作     者：南楠 严英占 Nan Nan;Yan Yingzhan

作者机构：岭南师范学院基础教育学院广东湛江524048 中国电子科技集团第54研究所河北石家庄050000 

基　　金：河北省教育厅青年基金项目(QN2016182) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2020年第37卷第6期

页      码：297-302页

摘      要：针对现有匿名算法未提供多维敏感度和细粒度的隐私保护问题,提出大数据的多维敏感度的最佳k值匿名(Multi-dimensional sensitivity optimal k-value anonymous,MSOkA)框架。通过敏感度的计算对用户访问权限分级,对准标识符QI敏感数据聚合分组,提供多维敏感度的细粒度用户访问,根据不同的授权级别进行权限调整。根据中断方程,设计累积频率(cumulative frequency,CF)得到最佳k值,通过选择最佳所有权级别来确定访问粒度,减少明显猜测和跨组唯一标识符攻击。另外,设计一个在MapReduce环境中运行的隐私框架,在hadoop域上实现框架的核心服务、初始化服务和匿名服务,通过SAML连接联合身份验证服务和服务提供者,实现对大数据的多维快速隐私保护。实验结果表明,该方法能够找到最佳k值,实现大数据多维敏感度和细粒度的隐私保护,且隐私保护程度和执行时间都优于现有方法。

主 题 词：最佳k值 多维敏感度 细粒度 累积频率 MapReduce 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2020.06.051

馆 藏 号：203937113...