10.3969/j.issn.1006-9348.2017.05.095
大数据中的分类隐私加密方法研究与仿真
在大数据中蕴含了很多丰富的信息,是具有较高价值的数据集合,为了避免由于数据挖掘而造成的用户隐私泄露,需要进行大数据中的分类隐私加密,但是采用当前算法进行数据分类加密时,难以提取需要加密的数据特征,存在大数据中的分类隐私加密误差大的问题.提出改进最佳桶划分的大数据中的分类隐私加密方法.在叶贝斯理论基础上,采用目前时间窗口上的数据集调整其它窗口上的数据权重,根据不一样窗口权重构造贝叶斯分类器,构建贝叶斯的多窗口数据流分类模型,获取需要加密的隐私数据.利用最佳桶划分理论提取加密数据的划分值和转换查询数据库的SQL语句,利用提取的结果完成对大数据中的分类隐私加密.仿真结果表明,所提方法能提高大数据中的分类隐私加密系统的整体性能.
大数据、分类、隐私加密
34
TP311.13(计算技术、计算机技术)
2017-06-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
436-439